基于改进YOLOv5的安全帽佩戴检测OA
Helmet-wearing Detection Based on Improved YOLOv5
针对YOLOv5无法通过权重进行聚焦,产生更具有分辨性的特征,从而降低安全帽检测准确性的问题,使用注意力模块,并分别研究压缩激励层(Squeeze and Excitation Layer,SEL)和高效通道注意力(Efficient Channel Attention,ECA)模块.针对YOLOv5去除冗余框时采用的非极大值抑制(Non Maximum Suppression,NMS)在物体高度重叠时仅保留同类最高置信度预测框的问题,使用Sof…查看全部>>
岳衡;黄晓明;林明辉;高明;李扬;陈凌
国网浙江省电力有限公司宁波供电公司物资部,浙江 宁波315000国网浙江省电力有限公司宁波供电公司物资部,浙江 宁波315000国网浙江省电力有限公司宁波供电公司物资部,浙江 宁波315000国网浙江省电力有限公司宁波供电公司物资部,浙江 宁波315000国网浙江省电力有限公司宁波供电公司物资部,浙江 宁波315000国网浙江省电力有限公司宁波市奉化区供电有限公司,浙江 宁波315599
信息技术与安全科学
目标检测安全帽监测卷积网络深度学习
《计算机与现代化》 2022 (6)
104-108,126,6
国网浙江省电力有限公司双创项目(B711JZ200009)
评论