《表2 Faster RCNN识别结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习的建筑工人安全帽佩戴识别研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在测试Faster RCNN识别效果时，包括对工人安全帽的Faster RCNN模型识别和人为识别两个环节。将600张图像置于测试文件夹，调用训练好的模型进行识别。进一步地，由试验人员观察统计出模型的TP、FP及FN参数。按照上述方法对Faster RCNN识别工人安全检测效果进行评价。根据式（5）～（7）进行计算，其识别结果见表2。测试结果部分图像见图4。训练完成的Faster RCNN识别安全检测中佩戴安全帽工人的平均精度达到90.91%，召回率达到89.19%；识别未佩戴安全帽工人的精度为88.32%，召回率达到85.08%。网络对于所有图片的训练花费3 h，测试1张图像的平均时间约为0.25 s。验证了Faster RCNN模型对于工人安全检测的应用潜力，为施工现场实时安全检测提供了有力支撑。