安全帽佩戴识别检测系统算法

安全帽佩戴识别检测系统算法基于YOLOv3 的主干网络为 Darkent-53，其中，安全帽佩戴识别检测系统算法包含53个卷积层和5个残差块。 每个残差块包含残差单元，而残差单元由DBL组件组成，DBL 组件中包括卷积、批量归一化和 Leaky reiu激活函数。 残差单元由DBL通过相加而 成，残差块由DBL和残差单元构成，其中，残差块借 鉴ResNet的思想，增强了特征融合能力。 YOLOv3 通过改变卷积核的步长来实现张量的尺度变换，输 出 3 个不同大小的尺度。

NAS 算法是自动机器学习领域的热点算法之 一，可通过数据特征自动找到合适的神经网络架 构 。该算法的原理是光定义搜索空间；然后，通 过搜索策略找出候选网络架构，对候选网络进行评 估；最后，根据评估结果进行下一轮的搜索。由于 NAS 的根本思想是探索各种潜在的解决方案，搜 索空间越大，需要训练与评估的架构就越多，消耗 的资源与时间就越多。因此，搜索空间的设定将直 接影响计算开销。目前 NAS 的主流设计方法为先 基于单元 （cell） 的架构进行设计，再将单元堆叠 在主干网络上，构成整体网络架构，并由此限制搜 索空间大小。
 

import os
from torch.utils.data import Dataset
from utils import *
from torchvision import transforms
transform = transforms.Compose([