基于 YOLO-v3 的安全帽佩戴检测
摘要
本文简要介绍了目标提取网络的发展，YOLO-v1 网络借了谷歌网络的主要网络结构，YOLO900 相比 YOLO-v1 提高 了训练图像的分辨率，YOLO-v2 的水平是目前目标检测领域内最先进的，YOLO-v3 在 cocotest-dev 上达到 57.9%。随着国家大 力完善社会基础建设，建筑业安全生产的需求也逐步进行完善。随着我国的经济水平不断提高，我国的建筑业事故造成的损 失仍然较大。近年建筑行业生产安全事故造成的损失，施工现场由于违章违规造成的安全事故频繁发生。基于这样的背景下， 本文讲解了一种基于 YOLO-v3 实现的简便的安全帽佩戴检测系统。
关键词
目标检测；YOLO-v3；深度学习
全文:
PDF参考
[1] 鞠默然,罗海波,王仲博,何淼,常铮,惠斌.改进的 YOLOV3 算法及其在小目标检测中的应用[J].光学学报,2019,39(07):253-260. [2] 施辉,陈先桥,杨英.改进 YOLOv3 的安全帽佩戴检测方法[J].计算机工程与应用,2019,55(11):213-220. [3] 赵华峰. 基于单片机的家居智能系统设计与实现[J]. 信息与电脑(理论版),2018(22):134-136. [4] 何波.基于单片机的人工智能语音识别机器人的设计分析[J].电子世界,2018(08):72+74. [5] 蔡自兴.中国人工智能 40 年[J].科技导报,2016,34(15):12-32.
(99 摘要 Views, 296 PDF Downloads)
Refbacks
- 当前没有refback。