CAPN:用于手套检测的综合注意部分网络.
Feng Yu1,2, Jialong Zhu1, Yukun Chen1
1School of Computer Science and Artificial Intelligence, Wuhan Textile University, Wuhan, Jiangxia District, China.
PeerJ. Computer science
|October 9, 2023
概括
本研究引入了使用视频监控的实时手套检测算法,以防止电力站发生事故. 联合注意部分网络 (CAPN) 在检测安全手套使用时达到96.59%的平均精度.
科学领域:
- 电气工程 电气工程
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 安全手套不合格是电力站事故的主要原因之一.
- 手动监督是低效的,目前的方法缺乏有效的监督手套检测.
研究的目的:
- 开发实时手套检测算法,以提高电力运营场所的安全性.
- 为了提高手套检测的准确性,特别是在有限的数据集.
主要方法:
- 提出了基于卷积神经网络的综合注意部分网络 (CAPN),用于准确识别手套.
- 集成的通道和空间注意模块来增强特征提取和识别精度.
- 利用转移学习通过转移人类手的特征来增强小手套数据集.
主要成果:
- 拟议的CAPN在手套检测方面实现了96.59%的高平均精度.
- 在实时视频监控场景中证明了算法的有效性.
- 与现有方法相比,检测准确度显著提高.
结论:
- CAPN算法有效地解决了在电力运营中准确检测手套的挑战.
- 注意力机制和转移学习的整合大大提高了检测性能.
- 这项技术为提高安全性和减少因不遵守安全手套政策而导致的事故提供了有前途的解决方案.
