针对公共场所口罩佩戴检测存在遮挡、密集和小尺度的情况而导致检测精度不高的问题,以实时目标检测算法YOLOv3为基础提出一种Mask-YOLO算法。首先在特征融合过程中引入通道注意力机制以突出重要特征,减少了融合后冗余特征的影响,有效提...针对公共场所口罩佩戴检测存在遮挡、密集和小尺度的情况而导致检测精度不高的问题,以实时目标检测算法YOLOv3为基础提出一种Mask-YOLO算法。首先在特征融合过程中引入通道注意力机制以突出重要特征,减少了融合后冗余特征的影响,有效提高了特征利用率;然后以完全交并比(complete intersection over union,CIoU)损失代替均方差损失(mean square error,MSE)作为边框回归的损失函数,提高了定位精度;最后除了检测佩戴和未佩戴口罩的情况外,还对不正确佩戴口罩的情况进行了检测。实验结果表明:与YOLOv3算法相比,Mask-YOLO算法在每秒帧率(frame per second,FPS)仅下降1%的情况下使平均精度均值(mean average precision,mAP)提高了4.78%。与其他主流的目标检测算法相比,Mask-YOLO算法在复杂场景下对口罩佩戴检测也有更好的效果和鲁棒性。展开更多
近年来随着无人值守井站在行业内逐渐普及,大大提高了采油巡查的效率,但无人值守井站也面临着一定的安全问题,不法分子为获取利益逃避追责,往往采用蒙面或者戴口罩的方式伪装后对采油设施进行破坏,传统的监控设施无法对不法分子进行准...近年来随着无人值守井站在行业内逐渐普及,大大提高了采油巡查的效率,但无人值守井站也面临着一定的安全问题,不法分子为获取利益逃避追责,往往采用蒙面或者戴口罩的方式伪装后对采油设施进行破坏,传统的监控设施无法对不法分子进行准确识别定位。为了消除这一安全隐患,笔者提出了基于YOLO(You Only Look Once)检测模型的人脸快速识别技术,解决嵌入式设备上人脸识别检测算法的检测精度低和检测速度慢的问题,实现了佩戴口罩情况下的人脸快速识别,为无人值守井站的安全提供了有力的保障,在一定程度上降低了石油公司的运营成本。展开更多
文摘针对公共场所口罩佩戴检测存在遮挡、密集和小尺度的情况而导致检测精度不高的问题,以实时目标检测算法YOLOv3为基础提出一种Mask-YOLO算法。首先在特征融合过程中引入通道注意力机制以突出重要特征,减少了融合后冗余特征的影响,有效提高了特征利用率;然后以完全交并比(complete intersection over union,CIoU)损失代替均方差损失(mean square error,MSE)作为边框回归的损失函数,提高了定位精度;最后除了检测佩戴和未佩戴口罩的情况外,还对不正确佩戴口罩的情况进行了检测。实验结果表明:与YOLOv3算法相比,Mask-YOLO算法在每秒帧率(frame per second,FPS)仅下降1%的情况下使平均精度均值(mean average precision,mAP)提高了4.78%。与其他主流的目标检测算法相比,Mask-YOLO算法在复杂场景下对口罩佩戴检测也有更好的效果和鲁棒性。
文摘近年来随着无人值守井站在行业内逐渐普及,大大提高了采油巡查的效率,但无人值守井站也面临着一定的安全问题,不法分子为获取利益逃避追责,往往采用蒙面或者戴口罩的方式伪装后对采油设施进行破坏,传统的监控设施无法对不法分子进行准确识别定位。为了消除这一安全隐患,笔者提出了基于YOLO(You Only Look Once)检测模型的人脸快速识别技术,解决嵌入式设备上人脸识别检测算法的检测精度低和检测速度慢的问题,实现了佩戴口罩情况下的人脸快速识别,为无人值守井站的安全提供了有力的保障,在一定程度上降低了石油公司的运营成本。
