基于S3FD网络的一阶段安全帽检测方法技术

基于S3FD网络的一阶段安全帽检测方法，在一阶段检测器S3FD的基础之上，将S3FD改变为包含过滤结构、连接结构、精确判断结构的网络。该网络可以过滤冗余的样本，对小目标检测有促进意义，可以在很大程度上提高对安全帽的检测能力。除此之外，我们提出了一个特征补偿模块，该模块可以减少在卷积操作过程中的特征损失。这对于解决小目标检测中有效特征少的问题有很大帮助，一定程度上提高检测安全帽的精确度。经过了我们的改进，模型的训练速度加快，训练效率和检测精度均有提升。效率和检测精度均有提升。效率和检测精度均有提升。

【技术实现步骤摘要】
基于S3FD网络的一阶段安全帽检测方法


[0001]本专利技术属于目标检测
，涉及一种基于S3FD网络的一阶段安全帽检测方法。

技术介绍

[0002]安全帽检测作为一种智能安防联动报警系统重要的组成部分，受到了人们的广泛关注。随着深度学习技术的不断成熟，目标检测技术也飞速发展。基于深度学习的算法具有自动提取特征、结构灵活、检测速度快、精度高的优点，利用深度学习技术的目标检测可以实现端到端的检测。按照目标检测的实现步骤可以将其大致分为两种类型：二阶段目标检测算法和一阶段目标检测算法。二阶段目标检测算法是指首先生成候选区域，产生一个包含待检测物体的预检框，再通过卷积神经网络进行分类。该类算法的流程可以总结为：(1)特征提取；(2)生成预选框；（3）分类和回归。经典的两阶段网络为：R
‑
CNN、SPP
‑
Net、Fast R
‑
CNN、Faster R
‑
CNN和R
‑
FCN等。一阶段目标检测算法是指不生成候选区域，直接在网络中提取特征来预测物体分类和位置本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于S3FD网络的一阶段安全帽检测方法，其特征在于包括如下步骤：（1）利用S3FD网络通过对一张图片提取多层特征，形成尺度不同、分辨率不同的六层特征图；使用以VGG16为骨干的S3FD网络进行特征提取，在VGG16中，从conv11到pool5卷积层被保留，其他层被删除；将fc6和fc7从全连接层转换为卷积层以减少参数的数量，然后在它们后面添加四个额外的卷积层；生成的六层特征图分别命名为conv3_3,conv4_3,conv5_3,convfc7,conv6_2,conv7_2；（2）在六层特征图之后接筛选层，对冗余的样本进行筛选，删除阈值小于规定的值；（3）六层特征图经过一个连接网络，该网络是将六层特征图做充分融合，将深层特征图中丰富的语义信息补充到浅层特征中；（4）将充分融合后的特征图以...

【专利技术属性】
技术研发人员：佘宏彦，邓明华，梁理，吴赟，安长智，廖艳，曾敏，曾志豪，唐秋良，
申请(专利权)人：北京中泰创安科技有限公司，
类型：发明
国别省市：