基于改进YOLOv5s的安全帽检测算法 |
| |
引用本文: | 赵睿,刘辉,刘沛霖,雷音,李达.基于改进YOLOv5s的安全帽检测算法[J].北京航空航天大学学报,2023(8):2050-2061. |
| |
作者姓名: | 赵睿 刘辉 刘沛霖 雷音 李达 |
| |
作者单位: | 湖南师范大学物理与电子科学学院 |
| |
摘 要: | 针对现有安全帽检测算法难以检测小目标、密集目标等缺点,提出一种基于YOLOv5s的安全帽检测改进算法。采用DenseBlock模块来代替主干网络中的切片结构,提升网络的特征提取能力;在网络颈部检测层加入SE-Net通道注意力模块,引导模型更加关注小目标信息的通道特征,以提升对小目标的检测性能;对数据增强方式进行改进,丰富小尺度样本数据集;增加一个检测层以便能更好地学习密集目标的多级特征,从而提高模型应对复杂密集场景的能力。此外,构建一个面向密集目标及远距离小目标的安全帽检测数据集。实验结果表明:所提改进算法比原始YOLOv5s算法平均精确率(mAP@0.5)提升6.57%,比最新的YOLOX-L及PP-YOLOv2算法平均精确率分别提升1.05%与1.21%,在密集场景及小目标场景下具有较强的泛化能力。
|
关 键 词: | 安全帽检测 YOLOv5s算法 数据增强 DenseBlock模块 SE-Net注意力模块 |
|
|