YOLOv3在安全帽佩戴检测中的应用研究

发布时间：2023-04-01 18:07

　　针对施工现场环境复杂,基于YOLOv3的安全帽佩戴检测算法存在精度低、鲁棒性差等问题,提出一种改进YOLOv3的安全帽佩戴检测算法。使用K-means算法聚类出先验框,改进了网络输出尺度;并在输出端引入了跳跃连接构成残差模块;同时改进分类损失函数以平衡正负样本、难易样本对模型的影响。为验证该方法的有效性,在NVIDIA GTX1660Ti平台上进行了验证,实验结果表明,改进后的YOLOv3安全帽佩戴检测算法平均准确率提高了4. 84%,提升了对被遮挡的目标以及小目标的检测能力,具有较强的鲁棒性。

【文章页数】：9 页

【文章目录】：
1 YOLOv3简介
    1.1 网络结构
    1.2 边框预测
    1.3 损失函数
2 YOLOv3改进
    2.1 输出尺度改进
    2.2 引入残差模块
    2.3 损失函数改进
3 实验结果与分析
    3.1 训练
    3.2 测试
4 结论



本文编号：3777609