改进YOLOv5s的摩托车头盔佩戴检测算法

作     者：张鑫 周顺勇 ZHANG Xin;ZHOU Shunyong

作者机构：四川轻化工大学自动化与信息工程学院四川宜宾644000 人工智能四川省重点实验室四川宜宾644000 

出 版 物：《四川轻化工大学学报（自然科学版）》 (Journal of Sichuan University of Science & Engineering(Natural Science Edition))

年 卷 期：2023年第36卷第3期

页      面：50-58页

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）] 

基　　金：四川省科技厅项目(2020YFG0178) 四川省科技厅省院校合作项目(2020YFSY0027) 

主　　题：头盔检测 YOLOv5s模型 CBAM注意力机制 MobilenetV3网络 

摘      要：针对摩托车头盔佩戴检测准确率低和检测速率慢的问题,提出一种基于YOLOv5s的改进摩托车头盔检测算法。首先,在YOLOv5s的多尺度特征检测中增加浅层检测尺度和4倍上采样特征融合结构,以提升检测准确率。其次,引入卷积注意力模块(Convolutional Block Attention Module,CBAM),以提升对聚集目标的关注,有效解决因遮挡、重叠导致的漏检和误检问题。最后,使用MobilenetV3的Block结构替换主干网络及颈部中的瓶颈结构,实现了降低网络参数量的目的。实验结果表明,相较于YOLOv5s算法,改进算法的mAP提高了2.91%,检测速率达到了36 frame/s,在保证较高检测速率的同时检测精度更高,具有一定的应用价值。