工厂人员工装穿戴识别

工厂人员工装穿戴识别基于yolov5实现人员工装穿戴检测大规模不同外观工装数据识别训练，工厂人员工装穿戴识别与现场已有监控摄像头互相配合监控现场人员着装情况，一旦发现工作中人员并没有按照要求穿着工装，系统会自动传出报警。在提醒相关人员的前提下，工厂人员工装穿戴识别系统将一键备份违规时长、违规图片作为后期查询根据。择当下YOLO最新的卷积神经网络YOLOv5来进行识别检测。按照官方给出的数目，现版本的YOLOv5每个图像的推理时间最快0.007秒，即每秒140帧（FPS），但YOLOv5的权重文件大小只有YOLOv4的1/9。

近年来，实时目标检测器仍在针对不同的边缘设备进行开发。例如，MCUNet 和 NanoDet 的开发专注于生产低功耗单芯片并提高边缘 CPU 的推理速度；YOLOX、YOLOR 等方法专注于提高各种 GPU 的推理速度；实时目标检测器的发展集中在高效架构的设计上，为 GPU 开发的实时目标检测器则大多使用 ResNet、DarkNet 或 DLA，并使用 CSPNet 策略来优化架构。Yolov5的Neck和Yolov4中一样，都采用FPN+PAN的结构。

FPN是自顶向下，将高层的强语义特征传递下来，对整个金字塔进行增强，不过只增强了语义信息，对定位信息没有传递。PAN就是针对这一点，在FPN的后面添加一个自底向上的金字塔，对FPN补充，将低层的强定位特征传递上去，又被称之为“双塔战术”。