基于深度学习的YOLO目标检测综述

目标检测是计算机视觉领域的一个基础任务和研究热点。YOLO将目标检测概括为一个回归问题,实现端到端的训练和检测,由于其良好的速度-精度平衡,近几年一直处于目标检测领域的领先地位,被成功地研究、改进和应用到众多不同领域。该文对YOLO系列算法及其重要改进、应用进行了详细调研。首先,系统地梳理了YOLO家族及重要改进,包含YOLOv1-v4, YOLOv5, Scaled-YOLOv4, YOLOR和最新的YOLOX。然后,对YOLO中重要的基础网络,损失函数进行了详细的分析和总结。其次,依据不同的改进思路或应用场景对YOLO算法进行了系统的分类归纳。例如,注意力机制、3D、航拍场景、边缘计算等。最后,总结了YOLO的特点,并结合最新的文献分析可能的改进思路和研究趋势。     

基于YOLO模型的红外图像行人检测方法

针对基于传统特征提取方法的远红外图像行人检测存在准确率和实时性不足的问题,本文研究了一种基于改进YOLO模型的远红外行人检测方法,通过改进其深度卷积神经网络的输入分辨率,然后在基于实际道路采集的红外数据集上进行训练,得到检测效果最佳的检测模型,并提出基于车速的自适应图像分辨率模型,以提高车载系统的行人检测性能。在基于实际道路的红外数据集上的对比实验表明,该方法与传统方法相比,准确率从76.5%提高到89.2%,每秒传输帧数从0.01259 f/s提高到40.5 f/s,满足车载情况下的实时性需求。     

改进的YOLO模型及其在舰船目标识别中的应用

针对传统目标识别方法资源消耗大、精度和可靠性低、泛化能力不强的问题,提出了一种基于改进YOLO（You Only Look Once）模型的舰船目标识别方法。通过精简YOLO模型,设计了一个10层的卷积神经网络用于舰船目标的自动特征提取和分类识别,模型训练过程中引入迁移学习的概念防止模型过拟合并加速模型参数的训练。在自建舰船目标图像测试集上的实验分析结果表明,该方法能够正确识别出航母、除航母外的其余军舰及民船三类舰船目标,识别精度达到93.7%且识别效率较高,验证了所提舰船目标识别方法的有效性。     

基于YOLO多模型交叠桥接策略的人脸检测算法

基于深层卷积神经网络的人脸检测算法因其能够较好地克服复杂环境中诸多因素造成的影响,得到了业界广泛关注.YOLO是一种分类/定位回归式视觉目标检测算法,采用单步检测方式,兼具速度快准确率高的优点,是目前被广泛使用的一种深层全卷积神经网络.但由于其网络输入尺寸固定,其输出神经元的感受野范围也因此被限定.将其用于检测尺寸跨度...     

基于iBeacon的安全教育智慧语音系统的研究及应用

针对传统安全教育存在教育方式单一、时间成本高、参与度低、教育效果不佳等问题,提出基于iBeacon的安全教育智慧语音系统.通过精准定位的语音自动播报,将安全教育培训从聚集性培训转变为自主的无接触式学习,实现建筑工地的智能移动安全语音教育.其创新研发及应用,实现"零接触"出入登记、"无聚集"安全培训,助力了基层疫情防控常...     

基于改进MASK R-CNN的舰船目标三维识别

针对二维图像无法表征舰船深度信息、舰船紧密排列识别出现误检等问题,改进了MASK R-CNN的模型方法。首先在目标区域方框和类别预测的基础上,合理重建出三维模型;其次在原始的RPN网络中选取级联的方法增加滑动窗口数量,改善感受野获取信息有限问题;同时增加掩膜分支,在描述舰船目标特征的同时,增加对其轮廓边缘的限制;最后结合非极大值抑制的方法对冗余框进行过滤去除,实现对三维舰船实景目标的识别。进行了仿真实验,对舰船目标识别任务上的性能进行了全面分析,实验结果表明改进后的MASK R-CNN算法相比原始方法,在目标识别准确率上提高了14.8%,证明该方法对三维实景模型目标识别的优越性与准确性。     

基于水下物联网技术的智慧海洋牧场建设

为适应复杂多变的海洋环境,全面及时掌握水下渔情,更好地实现海洋牧场的运营,文章提出了基于水下物联网技术的智慧海洋牧场解决方案。该方案针对海洋牧场的应用场景,分析了当前所面临的问题和挑战,对智慧海洋牧场建设进行了研究,设计了智慧海洋牧场的五层体系架构;水下和海面的网络架构以及水下、海面、空中、岸基的设备架构。发挥了水下物联网技术的特点,为实现安全高效的水下渔业生产作业和环境信息的实时监测奠定了基础,为智慧海洋工程提供了应用方案和技术参考。     

基于YOLO算法的行人检测方法

针对复杂道路交通环境,选择YOLO(You Only Look Once)实时目标检测算法,对行人目标进行检测识别的研究。YOLO算法在目标检测的速度和精度上都取得过良好效果。首先在YOLO网络模型的基础上针对行人单类检测问题,修改分类器,并通过卷积操作改变网络最后的输出维度;其次通过对道路交通场景下采集到的样本图片进行标注,得到行人数据集;然后采用相同预训练模型在YOLOv2和YOLOv3上训练,通过优化网络参数,加速模型收敛。实验结果分析可知,基于改进的YOLOv3的行人目标检测方法更能满足实时性的要求。     

智慧校园的用电安全管理分析

阐述校园安全用电管理的特点,存在的问题,应对策略,包括在实习实训和维修保养中的安全用电、提升电气保证设备安全防护、电气设备运行维护管理。     

智慧安全系统在火电厂中的应用

就现阶段而言,我国火力发电厂在企业生产环节中与日俱增的安全需求,通过设立智慧安全系统,并结合多种信息化手段实观对火力发电厂进行智慧安全监控与管理,有助于保维持火电厂安全运行以及保护相关工作、巡逻人员的人身安全。文章立足于实际,对火电厂整体安全诉求标准进行简要分析,系统地论述了智慧安全系统应用功能;最后,针对智慧安全系统于重大危险源中的应用价值分析进行分析,以供参考。     

通信工程施工作业智慧安全管理新方法

随着我国信息技术的高速发展,产业数字化转型速度逐步加快,对通信技术的要求也越来越高,当前通信工程建设规模不断扩大,安全管理问题也不断显现,如何打破传统管理方法的束缚,应用数智化项目管理模式,充分保障通信工程施工安全,成为了一个亟待解决的问题。本文从通信工程项目管理现状入手,分析施工安全管理存在的不足,针对通信工程安全管理过程中如何高效应用数智方法进行全面探讨,旨在提升通信工程施工安全管理水平。     

智慧工地在施工现场安全管理方面的应用

智慧工地系统在施工现场安全管理方面的应用,对于提升施工现场的安全管理效果具有重要意义.对智慧工地的发展阶段进行了总结.基于智慧工地在安全管理方面的整体设计,分析了具体的施工现场安全管理方面的应用.分析了目前安全管理应用层面存在技术限制、设备混杂、系统结构不合理等主要问题,并提出了基本的解决方案.为提升智慧工地在施工现场...     

基于智慧广电“安全大脑”的广播电视网络安全防护体系建设研究与应用

本文介绍了基于智慧广电“安全大脑”的广播电视网络安全防护体系建设研究与应用情况;智慧广电“安全大脑”基于大数据技术,实现了对多源异构各类安全数据的综合分析,并结合来自多方的安全威胁情报及安全算法模型,实现了对安全事件的事前预测预警、事中协同防控、事后评估改进。     

智慧工地在建筑工程安全管理中的优势探讨

智慧工地就是在工程管理领域中对智慧地球理念的进一步表现,对现有的信息化技术手段进行充分的利用。精密的设计和模拟建筑工程管理,对建筑工程管理的效率和质量进行有效的提高。应用智慧工地系统,就会为了能够在建设施工设备中植入人工智能和虚拟现实传感技术。通过网络连接,对建筑工程管理人员和施工现场进行有效的整合,具有较高的应用价值,值得开展进一步的应用以及推广。     

基于YOLO神经网络及机器视觉的火焰检测研究

为了提高火灾预警系统的可靠性,结合YOLO人工神经网络及机器视觉检测技术对火焰进行检测研究.首先采集200张火焰图片及网上搜索1000张火焰图像作为训练集,人工对每一张图像的火焰区域打标签,然后搭建模型小、检测速度快的YOLOv5s神经网络模型,采用监督学习的方式训练系统,最后应用实训后的系统对火焰进行实时检测.实验结...     

基于ZigBee技术的智慧校园安全系统设计研究

在当前智慧校园建设背景下,高校基于ZigBee技术进行智慧校园安全系统设计不仅可以切实提升高校安全监控组网的实时性和灵活性,还符合校园安全建设易维护和低成本的要求。文章基于对ZigBee技术,对智慧校园安全系统设计进行全面分析与研究,旨在为提升当前高校校园安全管理工作质量提供参考性建议。