| 基于深度学习的污染场地作业人员着装规范性检测 |
| |
| 作者姓名： | 刘欣宜 张宝峰 符烨 朱均超 |
| |
| 作者单位： | (1.天津理工大学 计算机科学与工程学院,天津 300384;2.天津理工大学 天津市复杂系统控制理论及应用重点实验室,天津 300384) |
| |
| 基金项目： | * 基金项目: 天津市互联网跨界融合创新科技重大专项项目（18ZXRHSF00240）;天津市科技计划项目(18YFCZZC00320) |
| |
| 摘 要： | 为解决污染场地修复作业中缺乏统一的人员安全保障管理措施以及人工监管困难的问题,结合HSE理念提出1种基于优化Faster R-CNN的作业人员着装规范性检测算法。该方法在回归损失函数中引入L2正则项,既保证模型的泛化能力,又提高深层网络模型收敛速度。基于自建着装规范数据集（Dress Code Dataset）进行实验,评价算法检测时间和mAP等指标。结果表明:所提出的着装规范性检测算法检测时间为44 ms,mAP为88.17%,解决了传统检测算法中实时性和准确率低的问题,且模型具有更好的泛化性和鲁棒性。
|
| 关 键 词： | 深度学习 损失函数 目标检测 污染场地 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《中国安全生产科学技术》浏览原始摘要信息 |
|
点击此处可从《中国安全生产科学技术》下载免费的PDF全文 |
|
