| 作者 | 庞殊杨，芦莎 |
| 机构 | 中冶赛迪重庆信息技术有限公司 大数据产品部;重庆大学 重庆大学-辛辛那提大学联合学院 |
| 统计 | 摘要被查看 … 次，已被下载 … 次 |
| 摘要 | 针对现有安全帽检测方法对多重叠目标和小目标漏检率较高的问题，提出了一种基于改进MTCNN(Multi-task Cascaded Convolutional Neural Networks)网络的多尺度安全帽识别方法。首先，删除MTCNN网络中的针对人脸识别的landmark部分以简化网络结构；其次，用普通卷积层替换最大池化层以构成全卷积网络(All Convolutional Net)，提升网络检测精度；然后，引入MobileNet轻量化网络结构减少计算量；最后，适当调整网络卷积核个数和全连接层神经元个数使模型更适用于不同尺寸的安全帽识别。实验结果表明，与原MTCNN相比，该算法的精确度和召回率分别提高了3.22%和6.73%，就小尺寸安全帽识别而言，F1值提高了8.13%。在无GPU环境下的平均检测速度为每秒29.62帧，兼顾了多尺度安全帽识别的准确率与实时性。 |
| 关键词 | 安全帽识别；深度学习；目标检测；MTCNN；MobileNet |
| 基金项目 | 重庆市人工智能技术创新重大主题专项重点研发项目(cstc2017rgzn-zdyfX0042) |
| 本文URL | http://www.arocmag.com/article/02-2021-05-052.html |