基于BH-YOLOX算法的电动车头盔检测系统研究

作     者：刘辛夷 高金鹏 杨婷 侯雪莹 

作者机构：云南大学数学与统计学院云南 昆明 

出 版 物：《统计学与应用》 (Statistical and Application)

年 卷 期：2024年第13卷第2期

页      面：511-520页

学科分类：08[工学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：目标检测 头盔识别 YOLOX Ghostnet SENet 

摘      要：为了提升电动车头盔检测系统的精确度和实时性,考虑到传统检测方法在特征提取方面存在困难,目前基于深度学习的目标检测算法存在模型的泛化性不高,对复杂背景的适应性不足等问题。本文提出基于YOLOX算法优化后的BH-YOLOX模型。首先,特征提取网络维度,通过构建轻量级的Ghostnet网络,在减少了参数量和计算量的前提下,同时提高了特征提取能力,使模型更加轻量化;特征融合维度,增加了Squeeze-and-Excitation Networks (SENet)通道注意力机制,加强了不同通道的特征的关联,提高了网络在复杂场景中的性能;扩展特征层维度,BH-YOLOX在原有的三个特征层的基础上又增加了一个更大的特征层,能够有效提升网络对小目标的检测性能;最后优化损失函数,提高网络模型的回归精度。实验结果证实,BH-YOLOX模型的mAPz值达到98.90%,检测速度为104.51 FPS,能满足绝大多数交通场景的要求,也适用于部署在如摄像头等边缘设备上。