目标检测YOLO实战应用案例100讲-基于改进YOLO算法的加油站监控场景目标检测

目录

前言

国内外研究现状

传统目标检测算法 

深度学习目标检测算法 

卷积神经网络与目标检测技术概述 

2.1 卷积神经网络 

2.1.1 卷积层 

2.1.2 池化层 

2.1.3 激活函数层 

2.1.4 全连接层 

2.2  YOLO系列算法

 2.2.1  YOLOv1算法 

2.2.2  YOLOv2算法 

2.2.3  YOLOv3算法 

2.2.4  YOLOv3-Tiny算法 

IVC加油站监控场景特征增强算法研究  

3.1  引言 

3.2  IVC特征增强算法 

3.2.1  Mosaic数据增强 

 3.2.2  InceptionV2多尺度特征提取方法 

3.2.3  IVC加油站监控场景特征增强算法结构 

---

本文篇幅较长，分为上下两篇，下篇详见基于改进YOLO算法的加油站监控场景目标检测（续）

 

前言

随着中国经济的飞速发展，人民收入稳步提升，机动车已成为人民日常生活和工 作中必不可少的一部分，加油站数量也随之逐年增多。而加油站作为油品销售经营的 场所且油品具有易燃易爆，易导电，有毒的特性，因此要特别注重对加油站工作人员 加油卸油过程中佩戴安全设备的监管，杜绝因加油卸油过程中存在设备不规范佩戴与 使用而造成不可挽回的严重后果[ 1]，从而维护人民生命财产安全，为石油行业的发展保 驾护航。 
然而目前加油站员工的安全设备规范