极端施工条件下的个人防护装备检测
计算机视觉与模式识别
2023-07-26 v1
摘要
目标检测已广泛应用于施工安全管理，尤其是个人防护装备（PPE）检测。尽管现有在常规数据集上训练的PPE检测模型已取得优异结果，其在极端施工条件下的性能急剧下降。通过结合神经风格迁移（NST）与YOLOv5技术，开发了一种鲁棒检测模型NST-YOLOv5。考虑并经由NST模块模拟了五种极端条件，以赋予检测模型优异的鲁棒性，包括低光照、强光照、沙尘、雾和雨。实验表明，NST作为极端数据合成工具有很大潜力，因其比其他传统图像处理算法更擅长模拟极端条件，并助力NST-YOLOv5在合成与真实世界极端数据上分别实现0.141和0.083的 mAP_(05:95) 提升。本研究为获取更鲁棒的极端施工条件检测模型提供了新可行途径。
引用
@article{arxiv.2307.13654,
title = {Personal Protective Equipment Detection in Extreme Construction Conditions},
author = {Yuexiong Ding and Xiaowei Luo},
journal= {arXiv preprint arXiv:2307.13654},
year = {2023}
}
备注
2023 ASCE International Conference on Computing in Civil Engineering (i3CE 2023)