改进YOLOv5的安全帽佩戴检测算法
Improved HelmetWear Detection Algorithm for YOLOv5作者机构:河南工业大学信息科学与工程学院郑州450001 粮食信息处理与控制重点实验室郑州450001
出 版 物:《计算机工程与应用》 (Computer Engineering and Applications)
年 卷 期:2023年第59卷第11期
页 面:203-211页
核心收录:
学科分类:081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
主 题:YOLOv5 ShuffleNetv2 CBAM注意力机制 Swin Transformer Block
摘 要:针对目前目标检测模型结构复杂、计算量大、检测准确率低等问题,提出在工业场景下基于改进型YOLOv5的安全帽佩戴算法。在主干网络引入轻量型网络ShuffleNetv2,保留Focus结构和ShuffleNetv2共同组成主干网络,降低网络的计算量和参数量;在C3模块中引入Swin Transformer Block,得到C3STB模块,替换Neck部分原有的C3模块;设计了CBAM_H注意力机制,并将其嵌入Neck网络中,获取全局上下文信息,提高模型检测准确率。自建数据集并进行实验,实验结果表明,改进后的YOLOv5模型的参数量由6.14×10^(6)压缩到8.9×10^(5),计算量由1.64×10^(10)压缩到6.2×10^(9),mAP由0.899上升到0.908,优于原模型性能。