改进的YOLOv5算法在安全帽检测的应用

作者：王子元; 王国中^*; 顾嘉城

来源：智能计算机与应用, 2023, 13(08): 169-174.

• 安全帽检测
• YOLOv5
• 混合注意力机制
• 双向特征金字塔

佩戴安全帽可以有效保障建筑施工人员的人身安全。针对目前安全帽检测算法检测效率低，漏检率高的问题，本文提出了一种基于改进YOLOv5网络模型的安全帽检测算法。首先，在YOLOv5的骨干网络中插入混合注意力模块，降低特征提取网络的数据维度，使网络关注于图片中安全帽特定区域，提高网络的安全帽检测性能；然后，使用双向特征金字塔结构代替原网络中的特征金字塔结构，融合不同层级的特征并保留特征图中浅层信息，提高模型的计算效率；最后，使用EIoU作为网络的损失函数，提高改进模型的识别准确率。实验结果表明，改进模型在扩充的安全帽数据集上检测精度达到83.1%,每秒检测速度为48.1,相比于原始算法模型精度提高了4.5%,检测速度提高了1.5帧。

• 出版日期2023
• 单位上海工程技术大学