基于外接圆半径差损失的实时安全帽检测算法

摘要：

针对安全帽检测算法的快速且精准需求,提出了一种实时安全帽检测算法.首先,针对基于边界框回归损失函数容易出现梯度消失(Gradient Vanish)的问题,本文提出外接圆半径差(Circumcircle Radius Difference,CRD)损失函数;然后,针对复杂多尺度特征融合层制约检测速度的问题,提出了一种轻量化的小目标聚焦型(Focus on Small Object,FSO)特征融合层;最后本文结合YOLO网络、CRD和FSO形成YOLO-CRD-FSO(YCF)检测模型,实现实时安全帽检测.实验结果表明,在Jetson Xavier NX设备上检测分辨率为640×640的视频,YCF的检测速度达到43.4帧/秒,比当前最新锐的YOLO-V5模型的速度快了近2帧/秒,且均值平均精度提升了近1％.说明YCF检测模型综合优化了边界框回归损失函数和特征融合层,获得了良好的安全帽检测效果.

关键词：边界框回归、特征融合层、YOLO、目标检测、安全帽检测

所属期刊栏目：49

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;国家重点研发计划;福建省自然科学基金杰出青年项目;福厦泉国家自主创新示范区协同创新平台项目

在线出版日期：2022-06-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：424-428