本申请涉及深度学习,特别涉及一种模型训练方法和高空作业安全检测方法。
背景技术:
1、在基础建设中,高空作业人员的安全保护措施尤为重要。尽管强烈要求在进行高空作业时的施工人员必需按要求佩戴安全带,但还是有高空作业人员未按要求佩戴。
2、目前,监督人员对高空作业人员的安全带佩戴情况进行人工监督,以发现为佩戴安全带的高空作业人员,从而进行督促提醒。
3、然而,虽然有人工监督,但有时候监督人员会存在有所疏忽大意,并且难以检查高空作业人员在进行高空作业时安全带的佩戴情况,从而不能及时准确地发现安全隐患,难以保障高空作业人员的人身安全。
技术实现思路
1、鉴于此,本申请提供模型训练方法和高空作业安全检测方法,可以检测高空作业人员的安全带佩戴情况,及时准确地发现安全隐患,保障高空作业人员的人身安全。
2、具体而言,包括以下的技术方案:
3、本申请实施例提供了一种模型训练方法,所述方法包括:
4、获取样本高空作业图像和yolov7-tiny改进模型,所述yolov7-tiny改进模型包括mish激活函数、ca注意力模块和siou损失函数;
5、对所述样本高空作业图像进行标注,得到标注后的样本高空作业标注图像;
6、基于所述样本高空作业图像和所述高空作业标注图像训练所述yolov7-tiny改进模型,确定map值(全类平均精度);
7、基于map值,对所述yolov7-tiny改进模型进行参数调节,输出参数调节后的yolov7-tiny改进模型,完成训练。
8、在一些实施例中,所述yolov7-tiny改进模型是基于yolov7-tiny模型改进得到的模型,具体改进方式包括:
9、将yolov7-tiny模型中的leakeyrelu激活函数替换为mish激活函数,得到第一改进模型;
10、在所述第一改进模型中添加ca注意力模块,得到第二改进模型;
11、将所述第二改进模型中的ciou损失函数替换为siou损失函数,得到所述yolov7-tiny改进模型。
12、在一些实施例中,获取样本高空作业图像之前,该方法还包括:
13、对高空作业监控录像进行分帧处理,得到原始高空作业图像;
14、对原始高空作业图像进行标注处理,得到样本高空作业图像。
15、本申请实施例还提供一种高空作业安全检测方法,所述方法包括:
16、获取如权利要求1-3中任一项所述的模型训练方法中输出的参数调节后的yolov7-tiny改进模型;
17、将待测高空作业图像输入到所述参数调节后的yolov7-tiny改进模型中,得到高空作业检测结果,所述高空作业检测的结果包括包含预测框的高空作业图像、置信度和高空作业类别。
18、在一些实施例中,所述高空作业类别的个数为四,所述高空作业类别包括离地佩戴安全带、着地佩戴安全带、离地未佩戴安全带和着地未佩戴安全带。
19、本申请实施例提供的技术方案的有益效果至少包括:
20、本申请实施例提供了一种模型训练方法和高空作业安全检测方法,获取样本高空作业图像和yolov7-tiny改进模型,yolov7-tiny改进模型包括mish激活函数、ca注意力模块和siou损失函数;对样本高空作业图像进行标注,得到标注后的样本高空作业标注图像,为yolov7-tiny改进模型提供训练所需的样本数据;基于样本高空作业图像和高空作业标注图像训练yolov7-tiny改进模型,确定map值,以评估训练结果;基于map值,对yolov7-tiny改进模型进行参数调节,输出参数调节后的yolov7-tiny改进模型,该模型可以检测高空作业人员的安全带佩戴情况,及时准确地发现安全隐患,保障高空作业人员的人身安全。
1.一种模型训练方法,其特征在于,所述方法包括:
2.根据权利要求1所述的模型训练方法,其特征在于,所述yolov7-tiny改进模型是基于yolov7-tiny模型改进得到的模型,具体改进方式包括:
3.根据权利要求1所述的模型训练方法,其特征在于,所述获取样本高空作业图像之前,所述方法还包括:
4.一种高空作业安全检测方法,其特征在于,所述方法包括:
5.根据权利要求4所述的高空作业安全检测方法,其特征在于,所述高空作业类别的个数为四,所述高空作业类别包括离地佩戴安全带、着地佩戴安全带、离地未佩戴安全带和着地未佩戴安全带。