摘要
本发明提供了一种面向先进制造业的轻量型实时着装检测方法,包括收集着装数据图像,构建着装图像数据集;对收集的数据进行数据增强和预处理;以YOLOv10为基线模型,对YOLOv10进行改进,构建着装检测模型;将数据送入到着装检测模型中进行训练与测试;利用训练好的着装检测模型进行着装检测。本发明可以更好的适应不同种类的先进制造业生产环境;采用轻量型的主干网络和注意力机制,提高了算法的检测精度和实时性,极大地提高识别精度和用户体验性,具有重大的生产实践意义。本发明能够实时对生产环境内的人员进行着装检测。并优化了对小目标的检测方式,提高了算法对小目标检测的准确性和鲁棒性,从而提高了算法精度。
技术关键词
着装检测方法
轻量型
注意力机制
计算机可读取存储介质
sigmoid函数
图像
数据采集单元
检测头
基线
处理器通信
空洞
算法
网络
精度
鲁棒性
训练集
样本
电子设备
系统为您推荐了相关专利信息
轨道交通视频
智能分析方法
分辨率
层级
可读存储介质
轻量化神经网络
多尺度特征
回波
间歇采样转发干扰
信号
手工特征
多源特征融合
多模态
样本
音频数据处理
相似性检测方法
程序
数据依赖关系
多头注意力机制
生成指令
表达式
Softmax函数
融合特征
分支
两阶段