改进多尺度特征融合的工业现场目标检测算法
来源：机械与电子杂志2022年第11期北京时间：
作者：刘瑞昊;于振中;孙强
单位：1. 江南大学物联网工程学院,江苏 无锡 214122 ;
2. 哈工大机器人国际创新研究院人工智能研究所,安徽 合肥 230601
摘要：为了提高工业现场等复杂场景下的小目标检测的准确率,降低工业现场的安全事故发生率,基于 YOLOv3 提出了一种改进多尺度特征融合方法。该方法增加了Inception _ shortcut 模块,优化网络的输出宽度,使用工业现场的监控视频作为数据集以及利用 k-means 算法对检测目标重新聚类,引入了 PANet 多尺度特征融合结构,精简了 YOLOv3 的网络检测输出层。在创建工业现场安全帽、安全绳数据集 FHPD 、FSRPD 以及 PASCAL VOC2007 数据集上的实验结果表明,改进算法的 mAP 比原始 YOLOv3 提高了许多。改进的多尺度特征网络融合增加了参数,但检测速度仍满足算法的实时性要求。
关键词：特征融合;目标检测; YOLOv3 算法;安全帽检测;安全绳检测
基金资助：安徽省科技重大专项( 202003a05020015 )
