大规模、复杂且真实的安全服与头盔检测：数据集与方法
计算机视觉与模式识别
2024-08-13 v2
摘要
检测安全服和头盔对于保障建筑工人安全至关重要。然而，该领域深度学习模型的发展因高质量数据集的匮乏而受阻。在本研究中，我们构建了一个大规模、复杂且真实的安全服与头盔检测（SFCHD）数据集。SFCHD源自两座真实化工厂，包含12,373张图像、7个类别和50,552个标注。我们将SFCHD数据集按4:1的比例划分为训练集和测试集，并通过应用若干经典目标检测算法验证其效用。此外，受空间与通道注意力机制启发，我们设计了一个基于空间与通道注意力的低光照增强（SCALE）模块。SCALE是一个具有高度灵活性的即插即用组件。在ExDark和SFCHD数据集上对SCALE模块的大量评估已实证表明其在低光照条件下提升检测器性能的有效性。数据集与代码已公开于https://github.com/lijfrank-open/SFCHD-SCALE。
引用
@article{arxiv.2306.02098,
title = {Large, Complex, and Realistic Safety Clothing and Helmet Detection: Dataset and Method},
author = {Fusheng Yu and Jiang Li and Xiaoping Wang and Shaojin Wu and Junjie Zhang and Zhigang Zeng},
journal= {arXiv preprint arXiv:2306.02098},
year = {2024}
}
备注
Submited