改进YOLOv5s的摩托车头盔佩戴检测算法

作者：张鑫; 周顺勇^*

来源：四川理工学院学报(自然科学版), 2023, 36(03): 50-58.

• 头盔检测
• YOLOv5s模型
• CBAM注意力机制
• MobilenetV3网络

针对摩托车头盔佩戴检测准确率低和检测速率慢的问题，提出一种基于YOLOv5s的改进摩托车头盔检测算法。首先，在YOLOv5s的多尺度特征检测中增加浅层检测尺度和4倍上采样特征融合结构，以提升检测准确率。其次，引入卷积注意力模块（Convolutional Block Attention Module,CBAM），以提升对聚集目标的关注，有效解决因遮挡、重叠导致的漏检和误检问题。最后，使用MobilenetV3的Block结构替换主干网络及颈部中的瓶颈结构，实现了降低网络参数量的目的。实验结果表明，相较于YOLOv5s算法，改进算法的mAP提高了2.91%，检测速率达到了36 frame/s，在保证较高检测速率的同时检测精度更高，具有一定的应用价值。

• 出版日期2023
• 单位四川轻化工大学