工作场所安全行为研究在过去50年已形成丰富的知识体系,分析该领域知识流动与演化过程,展望未来研究方向,对提升我国安全生产治理现代化水平具有重要指导意义。以Web of Science数据库收录的1086篇SCI和SSCI期刊文献为样本,综合使用Cite...工作场所安全行为研究在过去50年已形成丰富的知识体系,分析该领域知识流动与演化过程,展望未来研究方向,对提升我国安全生产治理现代化水平具有重要指导意义。以Web of Science数据库收录的1086篇SCI和SSCI期刊文献为样本,综合使用CiteSpace、Histcite以及Pajek等文献计量和大规模引文网络分析工具,明确1973—2021年间工作场所安全行为研究概貌特征,挖掘该领域研究热点及其关联性,以揭示知识扩散路径。研究发现:工作场所安全行为国际研究在2003,2013年经历2次快速发展,且形成以美国、中国和澳大利亚为核心的跨国合作研究网络;工作场所安全行为国际研究经历初始萌芽、初步发展和快速发展3个主要阶段,尽管安全氛围和安全领导力一直是该领域研究热点,但不同阶段的研究热点经历了从事故伤害到安全行为、从安全文化到安全氛围、从安全领导力到安全心理契约的多维转变,体现了时代特征和现实需求。最后,从研究场景、视角、范畴、内容、对象和方法等6个方面,提出工作场所安全行为领域未来研究方向。展开更多
针对航拍图像目标检测中小目标特征模糊问题,提出一种改进YOLO_v5x的目标检测算法。通过在YOLO_v5x的主干和颈部网络中添加空间到深度(space-to-depth,SPD)模块来减少细粒度信息丢失;在检测输出端添加1个小目标预测头,提高算法学习低分...针对航拍图像目标检测中小目标特征模糊问题,提出一种改进YOLO_v5x的目标检测算法。通过在YOLO_v5x的主干和颈部网络中添加空间到深度(space-to-depth,SPD)模块来减少细粒度信息丢失;在检测输出端添加1个小目标预测头,提高算法学习低分辨率特征的效率;引入协调注意力(coordinate attention,CA)机制,将横向和纵向的位置信息编码到通道注意中,增强网络对不同维度特征的提取能力;在完整交并比(complete-intersection over union,CIOU)损失函数的基础上引入Alpha交并比(α-IOU)损失函数,获得更准确的边界框回归,实现图像中目标更精确的定位。通过在Visdrone数据集上对改进YOLO_v5x算法进行训练和对比实验,结果表明:相比于原YOLO_v5x,改进目标检测算法的平均检测精度提升了7.8%,小目标检测的平均精度达23.9%,能够有效识别无人机航拍图中的小目标;相比于RetinaNet、YOLOX-S、Grid-RCNN等目标检测算法,改进目标检测算法的小目标检测平均精度最高,在当前主流检测小目标算法中达到先进水平。展开更多
文摘工作场所安全行为研究在过去50年已形成丰富的知识体系,分析该领域知识流动与演化过程,展望未来研究方向,对提升我国安全生产治理现代化水平具有重要指导意义。以Web of Science数据库收录的1086篇SCI和SSCI期刊文献为样本,综合使用CiteSpace、Histcite以及Pajek等文献计量和大规模引文网络分析工具,明确1973—2021年间工作场所安全行为研究概貌特征,挖掘该领域研究热点及其关联性,以揭示知识扩散路径。研究发现:工作场所安全行为国际研究在2003,2013年经历2次快速发展,且形成以美国、中国和澳大利亚为核心的跨国合作研究网络;工作场所安全行为国际研究经历初始萌芽、初步发展和快速发展3个主要阶段,尽管安全氛围和安全领导力一直是该领域研究热点,但不同阶段的研究热点经历了从事故伤害到安全行为、从安全文化到安全氛围、从安全领导力到安全心理契约的多维转变,体现了时代特征和现实需求。最后,从研究场景、视角、范畴、内容、对象和方法等6个方面,提出工作场所安全行为领域未来研究方向。
文摘针对航拍图像目标检测中小目标特征模糊问题,提出一种改进YOLO_v5x的目标检测算法。通过在YOLO_v5x的主干和颈部网络中添加空间到深度(space-to-depth,SPD)模块来减少细粒度信息丢失;在检测输出端添加1个小目标预测头,提高算法学习低分辨率特征的效率;引入协调注意力(coordinate attention,CA)机制,将横向和纵向的位置信息编码到通道注意中,增强网络对不同维度特征的提取能力;在完整交并比(complete-intersection over union,CIOU)损失函数的基础上引入Alpha交并比(α-IOU)损失函数,获得更准确的边界框回归,实现图像中目标更精确的定位。通过在Visdrone数据集上对改进YOLO_v5x算法进行训练和对比实验,结果表明:相比于原YOLO_v5x,改进目标检测算法的平均检测精度提升了7.8%,小目标检测的平均精度达23.9%,能够有效识别无人机航拍图中的小目标;相比于RetinaNet、YOLOX-S、Grid-RCNN等目标检测算法,改进目标检测算法的小目标检测平均精度最高,在当前主流检测小目标算法中达到先进水平。
