【技术实现步骤摘要】
本专利技术涉及一种神经网络模型领域，属于一种轻量级的高速防护服检测算法。
技术介绍
1、在工业制造、医疗卫生等行业，防护服是防止工作人员受到有害物质、细菌等危害的重要装备。基于深度学习的防护服检测算法能够及时地检测出是否穿戴防护服，从而保障工作人员的安全。该类算法能够快速准确地检测出防护服的穿戴情况，可以省去手动检测的时间和人力成本，提高工作效率。在一些应用场景下，防护服是有限资源，需要合理分配和使用。基于深度学习的防护服检测算法能够准确地检测出防护服的使用情况，从而可以更好地规划防护服的使用。
2、yolov5是一种基于深度学习的目标检测算法，
3、不过，在检测速度方面，由于yolov5需要对整幅图像进行检测，因此在面对高分辨率图像时会存在一定的劣势。此外，在低分辨率下的检测表现也相对较差。
技术实现思路
1、专利技术目的：本专利技术的目的在于提供一种轻量级的检测网络ggcnet，拥有更快的推理速度，更少的参数量，获得更好的检测效果。
2、技术方案：本...
【技术保护点】
1.一种基于GGCnet的轻量级防护服检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于GGCnet的轻量级防护服检测方法，其特征在于，所述GGCnet网络中的C3Ghost模块包括Ghost卷积，Ghost卷积将输入特征图分为两个分支，分别进行卷积操作，并将卷积结果进行融合。
3.根据权利要求2所述的一种基于GGCnet的轻量级防护服检测方法，其特征在于，所述Ghost卷积用以下公式表示：
4.根据权利要求3所述的一种基于GGCnet的轻量级防护服检测方法，其特征在于，所述Ghost卷积的计算步骤如下：
...【技术特征摘要】
1.一种基于ggcnet的轻量级防护服检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于ggcnet的轻量级防护服检测方法，其特征在于，所述ggcnet网络中的c3ghost模块包括ghost卷积，ghost卷积将输入特征图分为两个分支，分别进行卷积操作，并将卷积结果进行融合。
3.根据权利要求2所述的一种基于ggcnet的轻量级防护服检测方法，其特征在于，所述ghost卷积用以下公式表示：
4.根据权利要求3所述的一种基于ggcnet的轻量级防护服检测方法，其特征在于，所述ghost卷积的计算步骤如下：
5.根据权利要求1所述的一种基于ggcnet的轻量级防护服检测方法，其特征在于，所述步骤s2中，neck层网络采用gscsp模块结构，gscsp模块结构内以gsc卷积为核心。
6.根据权利要求5所述的一种基于ggcnet的轻量级防护服检测方法，其特...
【专利技术属性】
技术研发人员：管乾钧，于坤，王浩然，李强强，高市洪，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。