煤矿井下集成学习的安全帽佩戴检测算法_中国煤炭行业知识服务平台

煤矿井下集成学习的安全帽佩戴检测算法

作者

赵艳芹何东来朱子寒
单位

黑龙江科技大学计算机与信息工程学院
摘要

为提高煤矿井下工人作业安全帽佩戴情况的检测准确率,提出了一种基于Faster-RCNN改进的安全帽佩戴检测算法。采用跳跃网络结构,训练过程RPN层保留卷积初期的特征图,结合了集成学习的思想,改进了图像增强的方法与IOU重合度的算法,通过惩罚空隙区间提升检测锚框效率。结果表明,与传统的Faster-RCNN模型、YoloV3模型相比,该算法的准确率分别提高了9%和3%,改进的图像增强方法与IOU重合度算法在集成学习模型中具有更好的适应性。
关键词

图像增强安全帽检测网络结构集成学习重合度
基金项目(Foundation)

中国煤炭工业协会项目（MTKJ2014-275）；黑龙江省省属高校基本科研业务费项目（2018-KYYWF-0545）；
文章目录

0 引言
1 Faster RCNN检测
1.1 RPN层
1.2 RPN层的损失函数
1.3 目标分类检测层
2 模拟远景图像增强
3 集成学习的检测算法
3.1 检测算法
3.1.1 RPN层损失函数
3.1.2 网络设计
3.2 IOU的改进
4 实验结果与分析
4.1 数据集与指标
4.2 实验结果
4.2.1 直接训练
4.2.2 添加远景模拟图像增强
4.2.3 三种模型使用改进的IOU算法
5 结论
引用格式

赵艳芹,何东来,朱子寒.煤矿井下集成学习的安全帽佩戴检测算法[J].黑龙江科技大学学报,2021,31(02):240-246.