科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对安全帽佩戴目标检测算法参数多、推理速度慢以及检测准确率低等问题，提出基于改进YOLOv5s的安全帽佩戴检测算法研究。在主干网络添加坐标注意力机制（coordinate attention,CA），提高模型对关键特征的注意力，更聚焦训练安全帽相关目标特征，提高准确率；在特征提取网络引入结构重参数化技术（RepVGG），并在颈部网络融合鬼影混洗卷积（ghost-shuffle conv,GSConv）和VoV-GSCSP构造Slim-neck，在保证模型检测精度和泛化能力的同时，大幅降低模型参数量；设计使用SIoU优化边界框回归损失函数，提升预测框准确度和加快收敛速度。结果表明：改进算法的速度较原始YOLOv5s模型提高了49.51%，参数大小压缩了75.03%，平均精度均值提高了0.029，具有更好效果。
- 出版日期2023
- 单位新疆大学
