-
题名基于改进YOLOv5的安全帽佩戴检测算法
- 1
-
-
作者
周华平
郭依文
孙克雷
-
机构
安徽理工大学计算机科学与工程学院
-
出处
《安徽理工大学学报（自然科学版）》
CAS
2022年第3期99-108,共10页
-
基金
国家自然科学基金项目(61703005)
安徽省重点研发计划国际科技合作专项(202004b11020029)
-
文摘
针对现有的安全帽佩戴检测算法难以有效地检测小目标、重叠和遮挡目标的错检、漏检等问题,提出了一种基于改进YOLOv5的安全帽佩戴检测算法。首先,在主干网络增加了一层有效特征提取层更容易检测小目标,同时对颈部原有的特征金字塔结构进行改进,使特征融合得到加强,提升了对小目标检测的准确性;其次,在主干网络中引入了有效通道注意力机制模块(ECA-Net),更容易获取小目标的关键信息,增强了模型对小目标检测的性能;最后,引入CIOU-NMS替换NMS使得网络既考虑到预测框和真实框之间的重叠面积,还考虑到两个框之间的中心点的距离和宽高比,解决了对重叠和遮挡目标的错检、漏检问题。实验结果证明,改进后的算法平均检测精度(MAP)达到了97.2%,较原始YOLOv5算法提升了3.8%,满足施工场景下对安全帽佩戴检测准确率的要求。
-
关键词
YOLOv5
有效特征提取层
特征金字塔结构
注意力机制模块
非极大值抑制(NMS)
-
Keywords
YOLOv5
effective feature extraction layer
characteristic pyramid structure
attention mechanism module
Non Maximum Suppression(NMS)
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TU714
[自动化与计算机技术—计算机科学与技术]
-
