基于轻量化YOLOv5的安全帽检测

摘要：

配电网运维施工安全智能监控系统中存在大量数据,客观上要求算法具有较高实时性.基于此,本文轻量化改进YOLOv5算法,具体包括改进K-means算法聚类锚框,采用Hard-swish激活函数和CRD损失函数,同时在主干网融合ShuffleNet结构以及FPN模块增加Attention机制.该模型SNAM-YOLOv5(ShuffleNet and Attention Mechanism-You Only Look Once version 5)能够显著提高小目标和遮挡目标的检测性能以及处理速度.在基于海思Hi3559A嵌入式平台进行安全帽检测的运行结果表明,该模型优于同类算法,同时具有良好的实时性.

关键词：深度学习、配电网运维、施工安全、智能监控、轻量化网络、安全帽检测

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;国电南瑞科技股份有限公司项目

在线出版日期：2023-11-15（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：59-64