CA-CentripetalNet：一种用于安全帽佩戴检测的 novel 无锚框深度学习框架
计算机视觉与模式识别
2023-07-11 v1
摘要
自动安全帽佩戴检测可加强施工现场的安全管理，但由于视频监控场景复杂，这仍具挑战性。为应对先前基于深度学习方法的泛化能力差的问题，提出一种称为CA-CentripetalNet的新型无锚框深度学习框架用于安全帽佩戴检测。提出两种新方案以提升CA-CentripetalNet的特征提取与利用能力，分别为纵横角点池化与边界约束中心注意力。前者旨在实现边缘特征与内部特征的综合利用。后者旨在强制骨干网络关注内部特征，其仅用于训练而非检测阶段。实验结果表明，CA-CentripetalNet以合理速度取得更好性能，mAP（平均精度均值）达86.63%，且内存消耗少于现有基于深度学习的方法，尤其在小型安全帽与未佩戴安全帽情况下。
引用
@article{arxiv.2307.04103,
title = {CA-CentripetalNet: A novel anchor-free deep learning framework for hardhat wearing detection},
author = {Zhijian Liu and Nian Cai and Wensheng Ouyang and Chengbin Zhang and Nili Tian and Han Wang},
journal= {arXiv preprint arXiv:2307.04103},
year = {2023}
}
备注
It has been accepted for the journal of Signal, Image and Video Processing, which is a complete version. It is noted that it has been deleted for future publishing