基于工程环境背景下安全帽佩戴检测算法研究

摘要：

针对当前安全帽佩戴检测算法存在结构复杂、鲁棒性差等问题,提出一种借助改进后的YOLOv3算法进行安全帽佩戴检测.利用包含通道注意力机制的SE-ResNeXt残差结构,替换YOLOv3模型中Darknet53网络的残差结构,在不加深网络结构的情况下,利用通道注意力机制,捕获特征有用信息,达到提高特征表示能力的目的.再利用空间池化金字塔模块,对待测图片进行多尺度提取,提高检测精度.最后将IOU损失函数替换成CIOU损失函数,在进一步提高检测精度的同时,加速模型收敛.通过自建数据集验证可知,改进后模型检测准确率相比于原始YOLOv3模型,检测平均精确度(mAP)提高了4.29％,每秒检测帧数(FPS)提高了8.67％.

关键词：目标检测、YOLOv3、SE-ResNeXt、SPP-Net、损失函数

所属期刊栏目：41

分类号：TP391.41(计算技术、计算机技术)

资助基金：巢湖学院校级自然科学研究项目;巢湖学院校级教学研究项目

在线出版日期：2022-03-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：7-12