文章摘要
author_cn_name].基于改进YOLOv5的安全帽检测方法[J].重庆科技学院学报(自然科学版),2024,26(2):.
基于改进YOLOv5的安全帽检测方法
  
DOI:10. 19406 / j. issn. 1673-1980. 2024. 02. 011
中文关键词: YOLOv5  安全帽检测  小目标  注意力机制  细粒度信息
英文关键词: 
基金项目:重庆市科学技术局自然科学基金项目“基于注意力机制和深度学习模型的手指静脉活体检测研究”(CSTC2020JCYJ MSXM0774)
作者单位
张家旗,杨 波,郭帅龙,马海娟,杨 鑫(68-75) 重庆科技学院 电气工程学院 
摘要点击次数: 96
全文下载次数: 0
中文摘要:
      针对现有安全帽检测方法普遍存在的复杂场景下小目标检测效果差、容易出现错检漏检情况、 鲁棒性较低等问题,提出基于改进 YOLOv5 的安全帽检测方法。 在主干网络中添加 SimAM 注意力 机制,使模型在不额外增加参数的前提下对三维特征点的不同重要性进行表征和强化;在颈部网络 中增加小目标检测层,以丰富目标细粒度信息;使用 Decoupled-Head 代替原模型的 YOLOHead 模 块,将分类、回归任务分离进行。 实验结果表明,该方法的平均精度均值达到 93. 17%,能够满足复杂 场景下的安全帽检测要求。
英文摘要:
      
查看全文   查看/发表评论  下载PDF阅读器
关闭

手机扫一扫看 分享按钮