期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
针对CenterNet缺点的安全帽检测算法改进
1
作者
王海瑞
赵江河
+1 位作者
吴蕾
谢思远
《湖南大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2023年第8期125-133,共9页
为解决安全帽数据集上识别率较低的问题,本文提出了一种基于改进CenterNet网络结构的检测方法 .针对CenterNet多分类时热度图预测结果较差的问题,本文尝试在损失函数上进行改进,提出了Focal-Mse-One损失以及Focal-Mse-Guss损失,并且对...
为解决安全帽数据集上识别率较低的问题,本文提出了一种基于改进CenterNet网络结构的检测方法 .针对CenterNet多分类时热度图预测结果较差的问题,本文尝试在损失函数上进行改进,提出了Focal-Mse-One损失以及Focal-Mse-Guss损失,并且对这两个损失函数以及原始的Focal损失函数进行对比;针对CenterNet对推理过程中特征图复用性不高的问题提出了ASFF和DASFF结构并进行比较.实验结果表明,在GeForce GTX 1050显卡上推理速度可以达到20.78帧.在安全帽数据集上IOU为0.5时mAP值可达81.43%,相较于原始CenterNet提升了3.63%.文中提出的改进方法可以在没有明显增加推理时间的前提下明显提高安全帽的检测精度.
展开更多
关键词
安全帽检测
focal-mse-one
loss
Focal-Mse-Guss
loss
特征融合
目标检测
下载PDF
职称材料
题名
针对CenterNet缺点的安全帽检测算法改进
1
作者
王海瑞
赵江河
吴蕾
谢思远
机构
昆明理工大学信息工程与自动化学院
出处
《湖南大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2023年第8期125-133,共9页
基金
国家自然科学基金资助项目(61863016)。
文摘
为解决安全帽数据集上识别率较低的问题,本文提出了一种基于改进CenterNet网络结构的检测方法 .针对CenterNet多分类时热度图预测结果较差的问题,本文尝试在损失函数上进行改进,提出了Focal-Mse-One损失以及Focal-Mse-Guss损失,并且对这两个损失函数以及原始的Focal损失函数进行对比;针对CenterNet对推理过程中特征图复用性不高的问题提出了ASFF和DASFF结构并进行比较.实验结果表明,在GeForce GTX 1050显卡上推理速度可以达到20.78帧.在安全帽数据集上IOU为0.5时mAP值可达81.43%,相较于原始CenterNet提升了3.63%.文中提出的改进方法可以在没有明显增加推理时间的前提下明显提高安全帽的检测精度.
关键词
安全帽检测
focal-mse-one
loss
Focal-Mse-Guss
loss
特征融合
目标检测
Keywords
helmet detection
focal-mse-one
loss
Focal-Mse-Guss loss
feature fusion
object detection
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
针对CenterNet缺点的安全帽检测算法改进
王海瑞
赵江河
吴蕾
谢思远
《湖南大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部