发表服务
【摘要】：现如今,生产安全越来越受到企业的重视,然而与企业高度现代化的生产水平不同,安全防护措施依然还很落后。比如对安全帽佩戴的监管工作大多都是由人工完成,监管成本高且效率低。近年来,深度学习技术有着跨越式的发展,所以一些研究人员开始了基于深度学习的安全帽检测研究,但大多...
摘要:施工现场作业人员是否佩戴安全帽主要依靠人工检查，存在监管效率低、时效性差等问题，为了实时自动监管作业人员是否佩戴安全帽，提出1种基于机器学习的安全帽佩戴行为检测方法。.首先利用深度学习YOLOv3算法检测出现场视频中的施工人员脸部位置...
【摘要】：在生产和作业场地中,工人由于不佩戴安全帽而引发的安全事故时有发生。为了降低由于未佩戴安全帽而引发的安全事故发生率,提出了一种基于改进YOLOv3算法的安全帽佩戴检测方法。通过采用图像金字塔结构获取不同尺度的特征图,用于位置和类别预测;使用施工现场出入口监控视频作为...
【摘要】：施工现场作业人员是否佩戴安全帽主要依靠人工检查,存在监管效率低、时效性差等问题,为了实时自动监管作业人员是否佩戴安全帽,提出1种基于机器学习的安全帽佩戴行为检测方法。首先利用深度学习YOLOv3算法检测出现场视频中的施工人员脸部位置,根据安全帽与人脸的关系估算出安全帽...
【摘要】：现如今,生产安全越来越受到企业的重视,然而与企业高度现代化的生产水平不同,安全防护措施依然还很落后。比如对安全帽佩戴的监管工作大多都是由人工完成,监管成本高且效率低。近年来,深度学习技术有着跨越式的发展,所以一些研究人员开始了基于深度学习的安全帽检测研究,但大多...
摘要文章基于深度学习方法来研究安全帽佩戴的检测方法,对自建安全帽数据集的预处理后,采用YOLO算法训练来获取一个最优检测模型;通过对模型测试,可以得到文章所使用的YOLO算法对矿井下安全帽佩戴检测能够达到一个比较好的检测精度,实际mAP值为90.68%,相较于其他单阶段检测算法来说有着更好的...
最新硕士论文—《基于改进YOLOv3的安全帽检测系统研究》摘要第1-5页Abstract第5-6页1绪论第9-14页1.1研究背景与意义第9页1.2国内外研究概况
摘要：在煤矿生产中，工人由于未佩戴安全帽而受伤的事故时有发生。为了构建数字化安全帽监测系统，提出了一种基于卷积神经网络的安全帽佩戴检测模型。采用先进的Darknet53网络作为模型主干，用于提取图片的特征信息。
为了智能检测施工现场工人是否佩戴安全帽，针对卷积神经网络（convolutionalneuralnetwork,CNN）设计了基于卷积神经网络（convolutionalneuralnetwork,CNN）的安全帽自动识别系统。系统设计了基于CNN的23个卷积层的深度学…
通过深度学习实现安全帽佩戴的检测前一段时间做企业的智能安全项目，我们在面对一些问题时，大胆采用深度学习的方法，解决传统算法和统计学算法不好实现的问题，今天就和大家分享一下，如何解决通过视频监控检测工人是否佩戴安全帽的深度…
【摘要】：现如今,生产安全越来越受到企业的重视,然而与企业高度现代化的生产水平不同,安全防护措施依然还很落后。比如对安全帽佩戴的监管工作大多都是由人工完成,监管成本高且效率低。近年来,深度学习技术有着跨越式的发展,所以一些研究人员开始了基于深度学习的安全帽检测研究,但大多...
摘要:施工现场作业人员是否佩戴安全帽主要依靠人工检查，存在监管效率低、时效性差等问题，为了实时自动监管作业人员是否佩戴安全帽，提出1种基于机器学习的安全帽佩戴行为检测方法。.首先利用深度学习YOLOv3算法检测出现场视频中的施工人员脸部位置...
【摘要】：在生产和作业场地中,工人由于不佩戴安全帽而引发的安全事故时有发生。为了降低由于未佩戴安全帽而引发的安全事故发生率,提出了一种基于改进YOLOv3算法的安全帽佩戴检测方法。通过采用图像金字塔结构获取不同尺度的特征图,用于位置和类别预测;使用施工现场出入口监控视频作为...
【摘要】：施工现场作业人员是否佩戴安全帽主要依靠人工检查,存在监管效率低、时效性差等问题,为了实时自动监管作业人员是否佩戴安全帽,提出1种基于机器学习的安全帽佩戴行为检测方法。首先利用深度学习YOLOv3算法检测出现场视频中的施工人员脸部位置,根据安全帽与人脸的关系估算出安全帽...
【摘要】：现如今,生产安全越来越受到企业的重视,然而与企业高度现代化的生产水平不同,安全防护措施依然还很落后。比如对安全帽佩戴的监管工作大多都是由人工完成,监管成本高且效率低。近年来,深度学习技术有着跨越式的发展,所以一些研究人员开始了基于深度学习的安全帽检测研究,但大多...
摘要文章基于深度学习方法来研究安全帽佩戴的检测方法,对自建安全帽数据集的预处理后,采用YOLO算法训练来获取一个最优检测模型;通过对模型测试,可以得到文章所使用的YOLO算法对矿井下安全帽佩戴检测能够达到一个比较好的检测精度,实际mAP值为90.68%,相较于其他单阶段检测算法来说有着更好的...
最新硕士论文—《基于改进YOLOv3的安全帽检测系统研究》摘要第1-5页Abstract第5-6页1绪论第9-14页1.1研究背景与意义第9页1.2国内外研究概况
摘要：在煤矿生产中，工人由于未佩戴安全帽而受伤的事故时有发生。为了构建数字化安全帽监测系统，提出了一种基于卷积神经网络的安全帽佩戴检测模型。采用先进的Darknet53网络作为模型主干，用于提取图片的特征信息。
为了智能检测施工现场工人是否佩戴安全帽，针对卷积神经网络（convolutionalneuralnetwork,CNN）设计了基于卷积神经网络（convolutionalneuralnetwork,CNN）的安全帽自动识别系统。系统设计了基于CNN的23个卷积层的深度学…
通过深度学习实现安全帽佩戴的检测前一段时间做企业的智能安全项目，我们在面对一些问题时，大胆采用深度学习的方法，解决传统算法和统计学算法不好实现的问题，今天就和大家分享一下，如何解决通过视频监控检测工人是否佩戴安全帽的深度…
发表服务