這種改進的Yolo v3的安全帽佩戴識別檢測方法應用在建筑行業、采礦行業等都一些工作環境比較復雜、工作人員比較密集的行業領域。為解決實際工廠安全帽佩戴精準識別問題,采取以下措施對Yolo v3算法模型進行優化。在錨框的選取方式上改用k?means++聚類算法進行優化,解決了初始質心不穩定的問題。在損失函數的設計上使用GIoU作為邊界框坐標回歸損失,解決了均方差損失的尺度敏感問題。為了解決正負樣本比例不均衡問題,引入Focal Loss,通過降低簡單背景類的權重使算法模型更專注于密集小目標物的檢測。該模型在精確度、召回率等指標上也均有所提升,滿足實際安全帽檢測的精度要求。這種改進的Yolo v3的安全帽佩戴識別檢測方法主要用在上下班人員高峰期佩戴安全帽識別。
聲明:
“基于改進Yolo v3的安全帽佩戴識別檢測” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)