CN113516076B 一种基于注意力机制改进的轻量化YOLO v4安全防护检测方法 (大连民族大学)_第1页
CN113516076B 一种基于注意力机制改进的轻量化YOLO v4安全防护检测方法 (大连民族大学)_第2页
CN113516076B 一种基于注意力机制改进的轻量化YOLO v4安全防护检测方法 (大连民族大学)_第3页
CN113516076B 一种基于注意力机制改进的轻量化YOLO v4安全防护检测方法 (大连民族大学)_第4页
CN113516076B 一种基于注意力机制改进的轻量化YOLO v4安全防护检测方法 (大连民族大学)_第5页
已阅读5页,还剩12页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

US2021056351A1,2021.02.25一种基于注意力机制改进的轻量化YOLOv4本发明公开了一种基于注意力机制改进的搜集图像建立数据集,采用YOLOv4网络作为基到改进的YOLOv4安全防护检测模型;利用数据集对改进的YOLOv4安全防护检测模型进行训练得到改进后的YOLOv4目标检测模型;在改进的YOLOv4安全防护检测模型中输入待检测图像,采用改进后的YOLOv4目标检测模型输出对应的2对工地场景下施工人员相关信息进行标注,标注包括五类:head、helmet、person、reflective-clothes和oth所述采用YOLOv4网络作为基础模型,使用轻量化网络MobileNet网络作为主干网络,采用MobileNet网络作为主干网络,就是对模型原有CSPDarknet53网络进行替换,使MobileNet网络与原有模型相比减小了参加计算的参数数量和计算量;在轻量化网络模型所述将注意力机制融入到所述基础模型中,就是就是将SENet网络中的卷积核通过在步骤3:利用所述数据集对所述改进的YOLOv4安全防护最佳的权重文件加载至改进的YOLOv4安全防护检测模型中得到改进后的YOLOv4目标检所述利用所述数据集对所述改进YOLOv4安全防护检测模型进行训练,就是在改进的步骤4:在改进的YOLOv4安全防护检测模型中输入待检测图像,采用所述改进后的YOLOv4目标检测模型输出对应的目标检测结果,所述目标检测结果包括待分类图像中目32.根据权利要求1所述的一种基于注意力机制改进的轻量化YOLOv4安全防护检测方4一种基于注意力机制改进的轻量化YOLO[0001]本发明属于计算机视觉技术领域,具体涉及一种基于注意力机制改进的轻量化YOLOv4安全防护检测方法,应用于各类施工现场用于实时安全帽佩戴检测和安全防护检护装备检测中的应用却较少。针对施工现场这一特定场景中需要实时监控管理的需求特[0004]安全防护设备穿戴检测是通过计算机目标检测算法准确判断施工人员在工作区[0005]本发明的目的在于提供一种基于注意力机制改进的轻量化YOLOv4安全防护检测图像和安全反光衣图像;通过收集穿着安全反光衣以及佩戴安全帽的施工人员图像数据,对施工人员、佩戴安全帽以及穿着安全反光衣的施工人员均进行标注,使用开源软件reflective-clothes和othe提取图像特征,增加注意力机制模块,将注意力机制融入到YOLOv4模型中,得到改进的5练后最佳的权重文件加载至改进的YOLOv4安全防护检测模型中得到改进后的YOLOv4目的YOLOv4目标检测模型输出对应的目标检测结果,所述目标检测结果包括待分类图像中施工现场中,规范地穿戴安全防护装备对于保障工地施工人员的生命安全有着重要的意是无法对部分安全意识较差以及纪律性弱的施工[0021]本发明的一种基于注意力机制改进的轻量化YOLOv4安全防护检测方法,就是针6示。其中,DSP为深度可分离卷积,C(Convolution)为标准的卷积操作,B(Batch[0026]本发明提供的一种基于注意力机制改进的轻量化YOLOv4安全防护检测方法,其图像和安全反光衣图像;通过收集穿着安全反光衣以及佩戴安全帽的施工人员图像数据,对施工人员、佩戴安全帽以及穿着安全反光衣的施工人员均进行标注,使用开源软件reflective-clothes和othe性和标注框的精确度,使用开源软件LabelImg对工地场景下施工人员的相关信息进行标注,在图像增广方面采用像素增广和标签增广,其中像素增广包括五类:head、helmet、像标注完成之后,按照8:2的训练集与测试集比例对数据集信息进行分割;数据集大小共[0029]步骤2:采用YOLOv4网络作为基础模型,其结构图如图1所示,使用轻量化网络MobileNet作为主干网络提取图像特征,增加注意力机制模块,将注意力机制融入到YOLO的检测;[0031]采用MobileNet网络作为主干网络,对模型原有CSPDarknet53网络进行替换,使MobileNet网络与原有模型相比减小了参加计算的参数数量和计算量;在轻量化网络模型7通过池化和全连接对特征进行描述,这样就能实现从全局感受野上进行图像特征描述。练后最佳的权重文件加载至改进的YOLOv4安全防护检测模型中得到改进后的YOLOv4目[0034]基于融入注意力机制的YOLOv4算法构建得到融入注意力机制轻量化改进的YOLO[0035]利用所述数据集对所述改进的YOLOv4安全防护检测模型进行训练,就是在改进的YOLOv4目标检测模型输出对应的目标检测结果,所述目标检测结果包括待分类图像中[0039]针对IoU对目标物体的尺度不敏感的缺陷,CIoU(Complete-IoU)考虑到了回归框8[0048]实验结果表明,使用融入了注意力机制的改进的

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论