10.3979/j.issn.1673-825X.202205310133
轻量化YOLOv4的安全帽佩戴检测方法
为了平衡深度学习网络在网络深度、模型效果和易用性之间的关系,针对安全帽佩戴检测,提出一种基于轻量化模块的改进YOLOv4 网络.在主干网络中,采用深度可分卷积和压缩激励机制所组成的模块替换残差块,在不进行内部堆叠的情况下,减少网络的深度和参数量;在聚合网络中,采用反向注意力机制模块增加目标物体的显著信息,使网络获取的特征包含更丰富的细节信息.在公开的安全帽佩戴图像数据集上进行的实验表明,提出方法的模型大小为 106.4 M,相比原网络减少了 149.9 M,网络检测的平均精确度均值比原网络有所提升,验证了轻量化目标检测方法及其在安全帽检测应用中的有效性.
安全帽佩戴检测、轻量化、主干网络、聚合网络
35
TP391(计算技术、计算机技术)
2023-08-25(万方平台首次上网日期,不代表论文的发表时间)
共9页
671-679