Personal Protective Equipment Detection in Extreme Construction Conditions

要約

物体検出は、建設の安全管理、特に個人用保護具 (PPE) の検出に広く適用されています。
従来のデータセットでトレーニングされた既存の PPE 検出モデルは優れた結果を達成していますが、そのパフォーマンスは極端な建設条件では劇的に低下します。
堅牢な検出モデル NST-YOLOv5 は、ニューラル スタイル転送 (NST) と YOLOv5 テクノロジーを組み合わせて開発されました。
NST モジュールを介して 5 つの極端な条件が考慮され、シミュレートされることで、検出モデルに優れた堅牢性が与えられます。これには、弱い光、強い光、砂塵、霧、雨が含まれます。
実験によれば、NST は他の従来の画像処理アルゴリズムよりも極端な条件のシミュレーションに優れており、NST-YOLOv5 が合成データと実際のデータで 0.141 および 0.083 mAP_(05:95) の改善を達成するのに役立つため、極端なデータ合成のツールとして大きな可能性を秘めています。
-世界の極端なデータ。
この研究は、極端な建設条件に対してより堅牢な検出モデルを取得するための新しい実現可能な方法を提供します。

要約(オリジナル)

Object detection has been widely applied for construction safety management, especially personal protective equipment (PPE) detection. Though the existing PPE detection models trained on conventional datasets have achieved excellent results, their performance dramatically declines in extreme construction conditions. A robust detection model NST-YOLOv5 is developed by combining the neural style transfer (NST) and YOLOv5 technologies. Five extreme conditions are considered and simulated via the NST module to endow the detection model with excellent robustness, including low light, intense light, sand dust, fog, and rain. Experiments show that the NST has great potential as a tool for extreme data synthesis since it is better at simulating extreme conditions than other traditional image processing algorithms and helps the NST-YOLOv5 achieve 0.141 and 0.083 mAP_(05:95) improvements in synthesized and real-world extreme data. This study provides a new feasible way to obtain a more robust detection model for extreme construction conditions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google