基于高效通道注意力模块(ECA)和YOLOv5的图像检测方法研究

摘要：

佩戴安全帽是人们在施工建设中的一项重要保护措施,它可以有效保障人们的生命财产安全.安全帽检测系统也已经成为了很多施工场所的必备的基础设施,为了改善YOLOv5不能通过权重进行聚焦,从而生成有明显辨识度的特征,进而影响安全帽检测准确度的问题,我们在YOLOv5中引入了注意力模块,保证了卷积过程中的特征提取,并且使得图像得到优化,提升了安全帽检测结果的准确性和模型性能.并且我们对比了原 YOLOv5、添加了 ECA(Efficient Channel Attention)高效通道注意力模块、添加了 SEA(Squeeze-and-Excitation attention)注意力模块和添加了压缩激励SEL(Squeeze and Excitation Layer)注意力模块的精确率P/％、召回率 R/％、mAP@0.5 和 mAP@0.5:0.95,实验结果表明添加了 ECA(Efficient Channel Attention)通道注意力模块的 ECA-Yolov5 算法相较于原 YOLOv5 算法 P/％、R/％、mAP@0.5、mAP@0.5:0.95 分别提升了 0.5、0.6、0.5、0.2.由此结果表明引入高效通道注意力模块(ECA)的YOLOv5安全帽识别算法更有能力进行安全施工的检测,提升了施工的安全性.

关键词：YOLOv5、安全帽检测、深度学习、高效通道注意力模块(ECA)

分类号：TN957.52

在线出版日期：2023-04-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：88-91