文献

J-GLOBAL ID：202202256529762054   整理番号：22A1123074

改良YOLOv4アルゴリズムのセキュリティキャップ検出【JST・京大機械翻訳】

Helmet detection based on improved YOLOv4 algorithm

著者 (5件)： Li Shuai (太原理工大学 電气与動力工程学院,山西 太原 030024) ,  Li Lihong (太原理工大学 電气与動力工程学院,山西 太原 030024;山西省万立科技有限公司,山西 太原 030006) ,  Wang Sugang (山西省万立科技有限公司,山西 太原 030006) ,  Tian Jianyan (太原理工大学 電气与動力工程学院,山西 太原 030024) ,  Li Jifu (太原理工大学 電气与動力工程学院,山西 太原 030024)
資料名： Xiandai Dianzi Jishu  (Xiandai Dianzi Jishu)
巻： 45  号： 3  ページ： 103-110  発行年： 2022年 
JST資料番号： C4364A  ISSN： 1004-373X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 従来の人工検査と検査・監視・検査・測定の安全キャップの着用方法は漏れ検査・誤検を招きやすいため、改良YOLOv4アルゴリズムに基づく安全キャップ検出方法を提出した。まず、百度AIStudioプラットフォームの公開安全キャップデータセットとネットワーク爬虫収集データを用い、自作の安全キャップ装着状況データセット、Mosaci、画像反転などの多種のデータ増強アルゴリズムを用いて画像情報を豊かにし、K?を導入した。meansクラスタリングは,アンカの寸法を更新し,空洞畳込み拡大受容野とラベル平滑防止モデルを過適合させ,中小物体検出性能を向上させる。実験検証により、改良版YOLOv4アルゴリズムは原始YOLOv4アルゴリズムよりmAPが1.77%向上し、FasterRCNNと比較してmAPが4.13%向上し、小物体目標検出効果mAPが12.71%向上し、検出速度が20倍上昇した。実例の結果により、改良版YOLOv4のアルゴリズムは漏れ検査、誤検の情況がなく、安全キャップを着用しない人員を正確に検出でき、有効に安全の危険性を減少できる。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  検出 ,  畳込み ,  安全性 ,  安全帽 ,  ネットワーク ,  クラスタ化 ,  検出法
準シソーラス用語： 画像情報 ,  物体検出 ,  受容野 ,  実験検証 , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  その他のオペレーションズリサーチの手法  (KA03070E)

タイトルに関連する用語 (3件)： アルゴリズム ,  セキュリティ ,  キャップ