Construction site safety detection based on object detection with channel-wise attention

Hacia una detección precisa de cascos de seguridad en tiempo real a través de un método basado en el aprendizaje profundo

“…Con respecto a SHWD, varios trabajos han sido publicados recientemente [26][27][28][29][30][31][32][33]. La mayoría desarrollan nuevas propuestas basadas en alguna de las versiones disponibles del detector YOLO.…”

“…También YOLOv4 ha sido optimizado en [29] mediante el reemplazo de las capas convolucionales apiladas en el neck (entre el backbone y el head de la red) por estructuras semejantes a Cross-Stage Partial Network (CSPNet) [40], y con ello son capaces de reducir la memoria requerida y mejorar el rendimiento. Por último, métodos basados en YOLOv5 para la detección de casco de seguridad han sido propuestos recientemente [26,30,31,33]. Las mejoras realizadas en la literatura revisada son: realización de aumento de datos mediante de CutMix [33,41]; adaptación de función de pérdida considerando un nuevo criterio para selección de muestras positivas [26]; integración de un filtrado basado en densidad con Non-Maximum Suppression (NMS) [8,26]; y ajuste de la red mediante la incorporación de un mecanismo de atención basado en Squeeze-and-Excitation Networks (SENet) [30,40,42].…”

“…Por último, métodos basados en YOLOv5 para la detección de casco de seguridad han sido propuestos recientemente [26,30,31,33]. Las mejoras realizadas en la literatura revisada son: realización de aumento de datos mediante de CutMix [33,41]; adaptación de función de pérdida considerando un nuevo criterio para selección de muestras positivas [26]; integración de un filtrado basado en densidad con Non-Maximum Suppression (NMS) [8,26]; y ajuste de la red mediante la incorporación de un mecanismo de atención basado en Squeeze-and-Excitation Networks (SENet) [30,40,42].…”

“…Como se puede apreciar en los trabajos relacionados, aunque existe una gran diversidad de métodos propuestos para la detección de objetos en el marco de la seguridad laboral, como es la detección de distintos tipos de EPP [1,5,8,11,21] y, en especial la detección del uso o no de los cascos de seguridad [12,13,25,[26][27][28][29][30][31][32][33], la mayoría de estos métodos [12,13,21,25,26,27,[29][30][31][32][33] han sido evaluados sobre una única base de datos pública para el problema de detección de detección binaria de cascos. Además, tenga en cuenta que en muchos se realizan ajustes en los datos proporcionados por las bases de datos públicas, modificando la cantidad de instancias y corrigiendo las anotaciones incorrectas [25,26,29].…”

“…Esto último, complejiza poder evaluar comparativamente los desempeños logrados por otros métodos sobre los mismos datos. Por otro lado, en términos generales, se destaca que los mejores resultados basados en las métricas de mAP y tiempo de respuesta han sido obtenidos por medio de métodos basados en la familia YOLO [9][10][11][26][27][28][29][30][31][32][33]. En el trabajo propuesto se continúa profundizando en el análisis de desempeño de algoritmos de la familia YOLO, en este caso se analiza por primera vez el método Scaled-YOLOv4 para la detección de objetos en ámbitos de seguridad.…”