改进YOLOv5的轻量级安全帽佩戴检测算法

摘要：

针对现有的对安全帽佩戴检测算法的参数多、网络复杂、计算量大、不利于在嵌入式等设备进行部署,且对遮挡目标辨别度差等问题,提出了一种改进的轻量级的安全帽检测算法YOLO-M3,先将YOLOv5s主干网络替换为MobileNetV3来进行特征提取,降低了网络的参数量和计算量.使用DIoU-NMS替换NMS,提高对遮挡目标的辨识度,添加CBAM注意力机制使模型更关注主要信息以提升检测精度,对模型进行知识蒸馏,增加模型检测的召回率和准确度.通过实验验证了YOLO-M3算法提高了对遮挡目标的辨识度,在保证较高的检测平均精度时,将YOLOv5s模型的计算量降低了42％,模型大小降低了40％,降低了硬件成本,满足在嵌入式端部署的需求.

关键词：轻量化、目标检测、改进YOLOv5、注意力机制、知识蒸馏

所属期刊栏目：58

分类号：TP391.41(计算技术、计算机技术)

资助基金：内蒙古自治区高等学校科学研究项目NJZY21304

在线出版日期：2022-05-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：201-207