基于改进的YOLOv5安全帽佩戴检测算法

摘要：

针对安全帽佩戴检测中存在的误检和漏检的问题,提出一种基于 YOLOv5 模型改进的安全帽佩戴检测算法.改进模型引入多尺度加权特征融合网络,即在 YOLOv5 的网络结构中增加一个浅层检测尺度,并引入特征权重进行加权融合,构成新的四尺检测结构,有效地提升图像浅层特征的提取及融合能力;在 YOLOv5 的 Neck网络的 BottleneckCSP 结构中加入 SENet模块,使模型更多地关注目标信息忽略背景信息;针对大分辨率的图像,添加图像切割层,避免多倍下采样造成的小目标特征信息大量丢失.对 YOLOv5 模型进行改进之后,通过自制的安全帽数据集进行训练检测,mAP 和召回率分别达到 97.06%、92.54%,与 YOLOv5 相比较分别提升了 4.74%和 4.31%.实验结果表明:改进的YOLOv5 算法可有效提升安全帽佩戴的检测性能,能够准确识别施工人员的安全帽佩戴情况,从而大大降低施工现场的安全风险.

关键词：目标检测、多尺度加权特征融合、注意力机制、图像切割

所属期刊栏目：46

分类号：TP319(计算技术、计算机技术)

资助基金：国家民族事务委员会中青年英才培养计划;湖北省科技重大专项;新疆维吾尔自治区区域协同创新专项科技援疆计划;武汉市科技计划应用基础前沿项目

在线出版日期：2024-01-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：1-13