改进YOLOv5s的电车头盔佩戴检测算法研究

作者：王硕; 查俊^*

来源：蚌埠学院学报, 2023, 12(05): 88-96.

DOI：10.13900/j.cnki.jbc.2023.05.002

• 轻量化
• 目标检测
• YOLOv5s
• SIoU
• GSPStage

针对当前基于YOLO算法的头盔检测模型结构复杂、误检率高、速度慢等问题，提出了一种改进YOLOv5s的电动车头盔佩戴检测轻量化算法。首先引入轻量化网络模型MobileNetv3-small替换主干网络，优化算法的模型大小与网络的计算量；其次使用GSPStage模块替代原算法中Neck端的C3模块，丰富全局上下文信息，提高了模型检测的精度；最后引入SIoU损失函数替换CIoU,提高预测框的回归速度；在特征融合阶段加入SimAM注意力机制，提高头盔目标的检测效果。实验结果表明：改进后的YOLOv5s模型较原模型参数量降低了34.1%,模型计算量降低了33.1%,mean Average Precision(mAP)提升了1.7%,在保证检测精度及准确性的同时，降低了模型的复杂度且优于原模型。

• 出版日期2023
• 单位清华大学合肥公共安全研究院; 安徽建筑大学