内容提供者
基于YOLOv5增强模型的口罩佩戴检测方法研究.pptx
2024-10-05
20金币
4.6MB
22页
快乐****蜜蜂
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共22页，到这已经超出免费预览范围，如果喜欢就直接下载吧～
相关资料
基于YOLOv5增强模型的口罩佩戴检测方法研究.pptx
基于YOLOv5增强模型的口罩佩戴检测方法研究目录添加目录项标题YOLOv5增强模型介绍YOLOv5增强模型的基本原理YOLOv5增强模型的优点和特性YOLOv5增强模型在口罩佩戴检测中的应用口罩佩戴检测方法研究口罩佩戴检测的背景和意义口罩佩戴检测的主要方法基于YOLOv5增强模型的口罩佩戴检测方法介绍基于YOLOv5增强模型的口罩佩戴检测方法的优势和局限性实验设计和结果分析实验数据集和预处理方法实验设计和实验过程实验结果分析和比较基于YOLOv5增强模型的口罩佩戴检测方法的性能评估结论和展望基于YOLO
2024-10-05
20
4.6MB
基于YOLOv5网络模型的人员口罩佩戴实时检测.docx
基于YOLOv5网络模型的人员口罩佩戴实时检测基于YOLOv5网络模型的人员口罩佩戴实时检测摘要：新型冠状病毒的传播速度非常快，为了有效控制疫情的扩散，人员佩戴口罩成为一项重要的防控措施。本论文基于YOLOv5网络模型设计了一个人员口罩佩戴实时检测系统。首先介绍了YOLOv5网络模型的基本原理和关键技术。然后详细描述了实时检测系统的设计和实现过程，包括数据集的构建、网络模型的训练和验证等。最后进行了实验和评价，结果表明该系统在人员口罩佩戴检测任务上表现出较高的准确率和实时性。本论文的研究成果对于疫情防控工
2024-10-27
5
11KB
一种基于YOLOv5的口罩佩戴实时检测方法.pdf
本发明公开了一种基于YOLOv5的口罩佩戴实时检测方法，属于机器学习领域。该方法包括：制作用于口罩佩戴检测的数据集，分析YOLOv5模型用于口罩检测的问题，针对问题对YOLOv5网络进行了优化，采用K‑means++算法来计算anchor参数，并且对原先的损失函数进行修改，引入CIOU_Loss作为该算法损失函数的BoundingBoxRegressionLoss，然后对目标检测的后处理过程中引入DIOU_NMS来代替原来的加权非极大值抑制（NMS）。本发明算法提高了在人员密集处口罩检测的准确度，并
2023-07-25
10
1MB
基于YOLOv5目标检测模型的安全帽佩戴检测方法.pdf
本发明公开了基于YOLOv5目标检测模型的安全帽佩戴检测方法，在初始YOLOv5目标检测模型的基础上利用YOLOv5的特征提取部分提取更大尺寸的特征图，在特征融合部分进行特征融合。采用中心损失作为正则化项对YOLOv5目标检测模型中的置信度损失和分类损失进行约束，从而使得改进后的YOLOv5目标检测模型能更为准确的检测出小目标的类别其中更大尺寸的特征图具有较小的感受野，因此更有利于YOLOv5目标检测模型检测出小目标。本发明所提出的改进后YOLOv5模型在施工场景下安全帽的检测任务中有着优异的表现，一些Y
2023-07-16
10
786KB
基于改进YOLOV5模型的工地安全帽佩戴检测方法.pdf
本发明公开了一种基于改进YOLOV5模型的工地安全帽佩戴检测方法，基于单阶段原始的YOLOV5目标检测模型，通过优化网络结构降低最小感受野，利用池化金字塔及注意力机制等手段规范输入尺寸，模糊背景差异，增强小目标学习能力，本发明所提出的方法在基准网络基础上只增加了少量参数及计算开销，并显著提升了小目标检测效果，克服原始YOLOV5目标检测模型小目标场景检测性能较低的缺点，改进后的YOLOV5模型能够在施工场景下的安全帽检测任务中有着优异的检测表现，在同一场景下比原始YOLOV5网络检测到更多正样本，提高了施
2023-07-16
10
535KB