科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对安全帽佩戴检测在背景复杂、密集小目标等场景下的漏检、误检问题，基于YOLOv5s提出了一种适用于安全帽佩戴检测的改进算法。采用串联形式的混合池化优化空间金字塔池化（spatial pyramid pooling,SPP）模块，增强特征提取与特征表达，降低误检率；增加浅层输出加强深层特征图中目标位置信息的表达，提高小目标安全帽佩戴检测的性能；在切片模块中嵌入坐标注意力机制（coordinate attention,CA）扩大感受野，加强位置信息与安全帽特征的关联程度，提高安全帽目标检测的准确率。实验结果表明，改进算法的mAP达到了93.50%，比YOLOv5s、YOLOX算法分别提高了4.28、5.14个百分点，达到了复杂背景下检测小目标和密集目标的要求。
- 出版日期2023
- 单位武汉工程大学
