您的位置:首页 > 新闻中心 > 安全帽检测设备检测模型
 

安全帽检测设备检测模型

时间 : 2019-10-26 08:50 浏览量 : 3

安全帽检测设备安全模型


安全帽检测设备模型


安全帽检测设备测试模型要具备以下几点要求:


  • 项目训练可以实现现场采集,及时训练,快速部署,实情实景,增加模型对现场的适应性,达到商业化的识别标准.

  • 模型足够小,既可以部署到嵌入式设备中,也可以大规模在后台并发运算,大大降低整个项目的运行成本.

  • 达到足够高的识别精度和尽快短的响应时间.

  • 模型适应性强,部署简单,大幅降低工程项目的难度,适合推广和大规模部署.

  • 实现云平台,AI入云,现场只需一个普通的网络摄像头即可使用.



安全帽检测新模型

谷歌2018年发布了MobileNetV2的深度学习模型,经过仔细的研究和测试,发现这个模型的优点:轻巧,速度快,兼顾识别精度高等特点,决定参考MobileNetV2

模型,搭建一套全新的安全帽识别模型.


谷歌论文中的MobileNetV2模型是以imagenet数据集为基础的,Input size为224*224,考虑到安全帽识别的场景,我决定缩减input size,并适当减少模型中的残差网络的层数,进一步缩减模型.

搭建好模型之后,数据集的问题,考虑到实现现场数据采集和分割识别,并分类训练,就设计了一套现场采集的系统,大概思路和去年的差不多,就是实现了在云端训练,快速现场部署的要求.


【安全帽检测设备测试模型】


一般经过半个小时的数据采集,就可以达到训练的数据量了,在云端训练完成后测试数据集的正确率在96%以上,完全达到商用标准了.
在我的老款mac air上跑起来非常流畅,试着把模型部署到树莓派3上,竟然可以达到每秒3帧的识别水平.






标签:

cache
Processed in 0.007992 Second.