投稿指南
一、本刊要求作者有严谨的学风和朴实的文风,提倡互相尊重和自由讨论。凡采用他人学说,必须加注说明。 二、不要超过10000字为宜,精粹的短篇,尤为欢迎。 三、请作者将稿件(用WORD格式)发送到下面给出的征文信箱中。 四、凡来稿请作者自留底稿,恕不退稿。 五、为规范排版,请作者在上传修改稿时严格按以下要求: 1.论文要求有题名、摘要、关键词、作者姓名、作者工作单位(名称,省市邮编)等内容一份。 2.基金项目和作者简介按下列格式: 基金项目:项目名称(编号) 作者简介:姓名(出生年-),性别,民族(汉族可省略),籍贯,职称,学位,研究方向。 3.文章一般有引言部分和正文部分,正文部分用阿拉伯数字分级编号法,一般用两级。插图下方应注明图序和图名。表格应采用三线表,表格上方应注明表序和表名。 4.参考文献列出的一般应限于作者直接阅读过的、最主要的、发表在正式出版物上的文献。其他相关注释可用脚注在当页标注。参考文献的著录应执行国家标准GB7714-87的规定,采用顺序编码制。

安全科学与灾害防治论文_基于改进YOLOv5的安

来源:计算机时代 【在线投稿】 栏目:期刊导读 时间:2021-09-09
作者:网站采编
关键词:
摘要:文章摘要:针对现有安全帽佩戴检测干扰性强、检测准确度低等问题,本文提出一种基于改进YOLOv5的安全帽检测新方法。首先,针对安全帽尺寸不一的问题,使用K-means++算法重新设计先验

文章摘要:针对现有安全帽佩戴检测干扰性强、检测准确度低等问题,本文提出一种基于改进YOLOv5的安全帽检测新方法。首先,针对安全帽尺寸不一的问题,使用K-means++算法重新设计先验框尺寸并将其匹配到相应的特征层;其次,在特征提取网络中引入多光谱通道注意力模块,使网络能够自主学习每个通道的权重,增强特征间的信息传播,从而加强网络对前景和背景的辨别能力,并在训练迭代过程中随机输入不同尺寸的图像,以此增强模型的泛化能力。实验结果表明:在自制安全帽佩戴检测数据集中验证,平均准确率达到96.0%,对安全帽检测平均精度达到96.7%,对工人头部检测平均精度达到95.2%,相较于YOLOv5算法,该算法对佩戴安全帽检测的平均准确率提升3.3%,满足施工场景下安全帽佩戴检测的准确率要求。

文章关键词:安全帽佩戴检测,目标检测,深度学习,YOLOv5,注意力机制,

项目基金:国防科工局国防基础科研计划项目(WDZC20205500119),湖南省自然科学基金项目(2021JJ30456),工业控制技术国家重点实验室开放课题(ICT2021B10),湖南省研究生培养创新实践基地项目(湘教通[2019]248号),湖南省交通运输厅科技进步与创新计划项目(201927); 《计算机时代》 网址: http://www.jsjsdzzs.cn/qikandaodu/2021/0909/1952.html



上一篇: 互联网技术论文_面向入侵检测的Taylor神经网
下一篇:基于大数据时代计算机网络安全防范的措施刍议

计算机时代投稿 | 计算机时代编辑部| 计算机时代版面费 | 计算机时代论文发表 | 计算机时代最新目录
Copyright © 2018 《计算机时代》杂志社 版权所有
投稿电话: 投稿邮箱: