基于YOLOv5网络模型的人员口罩佩戴实时检测

来源 :激光杂志 | 被引量 : 2次 | 上传用户:rangman
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近年来,随着硬件算力的提升和人工智能算法的创新发展,使得深度学习算法在目标检测方面有着广泛的应用。针对现有人工方式查看人员口罩佩戴情况的不足,提出了一种基于深度学习YOLOv5算法实现对口罩佩戴情况的实时检测。算法首先将数据集进行归一化处理,再将数据接入YOLOv5网络进行迭代训练,并将最优权重数据保存用作测试集测试,算法通过tensorboard可视化显示训练和测试结果。实验结果表明,所提算法检测的准确性高,实时性强,满足实际使用需求。
其他文献
为满足车辆定位需求并实现高效率停车场泊车导航,设计基于可见光通信的停车场泊车自动导航系统,系统的车位信息监测模块通过结合泊车位上方LED照明装置和车位地面的光敏电阻
杂散光的产生会降低图像对比度与信噪比,影响扫描测量结果准确性,基于此,提出三维激光扫描技术下杂散光大数据预处理系统.通过三维激光扫描系统原理与工作流程,分析杂散光点
针对LED可见光通信系统中传输信号容易被人眼感知而导致视觉质量下降的缺陷,提出一种使用均匀色彩空间的数据信号调制方法.首先将非均匀的RGB颜色空间转换到符合人类色彩感知
激光成像受到环境、设备自身等干扰,使得激光图像含有噪声,当前图像分割方法对噪声干扰鲁棒性差,误分割现象出现概率高,重要信息丢失严重,为了克服当前激光图像分割的弊端,提出了基于人工智能深度学习的激光图像分割方法。首先采用小波变换对激光图像进行特征提取,并对噪声干扰进行抑制处理,然后引入人工智能学习算法对激光图像特征向量进行训练,并根据训练结果对激光图像像素点进行分类,从而实现激光图像分割,最后采用含
针对低压台区设备种类繁多、通信接口各异,很难有效地接入电力物联网中,导致无法感知低压配电台区的工作状态及运行情况的问题,采用了光纤光栅传感器实现低压台区全景化感知.