买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华东交通大学

摘要：本发明基于多种深度学习的高层建筑施工安全监测方法及系统，所述监测方法包括以下内容：获取工作场所中员工佩戴安全帽和安全带情况的图像，构建数据集；采用StyleGAN‑T对数据集进行增强处理：首先使用获取的图像对StyleGAN‑T进行训练，并使用Fid评估指标对其进行评估，当Fid达到90以上终止训练；利用训练后的StyleGAN‑T获得目标数量的虚拟图像，生成虚拟数据；利用获取的图像和虚拟数据构建训练改进的YOLOv7深度神经网络的目标数据集；利用目标数据集训练改进的YOLOv7深度神经网络，用于工作场所中安全装备佩戴情况的安全监测，包括佩戴安全帽和安全带情况。本发明能够准确、高效地识别未正确佩戴安全装备的员工，为提高工作场所的安全性提供了有效的手段。

主权项：1.一种基于多种深度学习的高层建筑施工安全监测方法，其特征在于，所述监测方法包括以下内容：获取工作场所中员工佩戴安全帽和安全带情况的图像，构建数据集；采用StyleGAN-T对数据集进行增强处理：所述StyleGAN-T包括生成器和鉴别器，首先输入随机潜码z于生成器中，随后在生成器中依次经过两个全连接模块的同时，将其与文本提示模块输入CLIP文本编码器模块后生成的文本特征向量Ctext通过拼接函数模块拼接到一起生成中间潜码w；之后，w与傅里叶特征模块拼接后经由8×8生成器模块输出后会生成8×8的图像，同时8×8图像与w进行拼接后会经由16×16生成器模块进行输出，生成16×16图像，同时16×16图像与w进行拼接后会进入32×32生成器模块进行输出，不断迭代，512×512图像与w进行拼接后经由1024×1024生成器模块生成1024×1024的高素质图像；在1024×1024图像生成并输出后，经由随机64×64裁剪、上采样、CLIP图像编码器输出的图像特征向量Cimage与由文本提示嵌入至CLIP文本编码器生成的文本特征向量Ctext同时在CLIP指导中进行拼接；同时，生成的1024×1024的高素质图像还会经由增强和裁剪模块输出后，进入到DINO编码器经由标记化模块、五个串联的变换神经网络模块×3进行输出，标记化模块和五个变换神经网络模块×3中，每一个模块的输出结果除了输入下一模块之外，同时也会进入到鉴别器的六个鉴别器头中与文本特征向量Ctext进行处理，六个鉴别器头分别输出分数反馈到生成器中，使生成器不断生成更加精确的图片；首先使用获取的图像对StyleGAN-T进行训练，并使用Fid评估指标对其进行评估，当Fid达到90以上终止训练；利用训练后的StyleGAN-T获得目标数量的虚拟图像，生成虚拟数据；利用获取的图像和虚拟数据构建训练改进的YOLOv7深度神经网络的目标数据集；所述改进的YOLOv7深度神经网络包括骨干网络Backbone和头部结构Head，输入图像输入骨干网络Backbone中，在骨干网络Backbone中依次经复合卷积模块CGL1、复合卷积模块CGL2、复合卷积模块CGL1、复合卷积模块CGL2、第一个扩展高效层聚合网络ELAN、复合全局平均池化模块GP-1、第二个扩展高效层聚合网络ELAN、复合全局平均池化模块GP-1、第三个扩展高效层聚合网络ELAN、复合全局平均池化模块GP-1、第四个扩展高效层聚合网络ELAN后输出连接Head网络的空间金字塔池化和跨阶段部分网络模块SPPCSPC，空间金字塔池化和跨阶段部分网络模块SPPCSPC经一个复合卷积模块CGL3、上采样输出结果A；骨干网络Backbone的第三个扩展高效层聚合网络ELAN的输出同时经一个复合卷积模块CGL3与结果A进行拼接操作，拼接后的结果经过第一个改进扩展高效层聚合网络ELAN-W、复合卷积模块CGL3、上采样输出结果B；骨干网络Backbone的第二个扩展高效层聚合网络ELAN的输出同时经一个复合卷积模块CGL3与结果B拼接操作，拼接后的结果经过第二个改进扩展高效层聚合网络ELAN-W连接复合全局平均池化模块GP-2和复合重复卷积模块REP，复合全局平均池化模块GP-2的输出与与结果A径第一个改进扩展高效层聚合网络ELAN-W处理后的输出进行拼接，拼接后的输出经第三个改进扩展高效层聚合网络ELAN-W处理后，再经一个复合全局平均池化模块GP-2与空间金字塔池化和跨阶段部分网络SPPCSPC的输出进行拼接，最后经第四个改进扩展高效层聚合网络ELAN-W处理；上述第二个改进扩展高效层聚合网络ELAN-W、第三个改进扩展高效层聚合网络ELAN-W、第四个改进扩展高效层聚合网络ELAN-W的输出均分别通过一个复合重复卷积模块REP连接一个CGT模块，三个CGT模块的输出相互连接，以输出大像素特征图为最终网络的输出图片；利用目标数据集训练改进的YOLOv7深度神经网络，用于工作场所中安全装备佩戴情况的安全监测，包括佩戴安全帽和安全带情况。

全文数据：

权利要求：

百度查询： 华东交通大学 基于多种深度学习的高层建筑施工安全监测方法及系统