基于改进YOLOv5s的轻量化安全帽佩戴检测算法
黎冠
李志伟
陈浩
童波
张宪阳
华北科技学院,北京 东燕郊 065201
摘要：针对基于神经网络的安全帽检测工作场景模型部署嵌入式设备困难的问题,提出了一种基于改进YOLOv5s的轻量化目标检测算法.首先将YOLOv5s的主干网络替换为轻量化网络Mo-bilenetV3,降低模型的参数量和计算量,保留模型的SPPF模块以提高模型对不同尺寸目标的检测能力;其次,在模型的Neck和Head之间添加注意力机制,以更好地捕获图像中的目标信息,提高精确度和鲁棒性;最后,将模型损失函数替换为EIoU,加速模型收敛,提高模型检测精度.通过自建安全帽数据集对所提模型进行了训练和验证,实验结果表明,相较于原模型,检测精确度提升了1.2%,参数量降低了39.4%、计算量降低了56.3%,模型体积压缩了38.6%,为基于改进YOLOv5s的安全帽识别算法在嵌入式设备上部署提供了一种有效的方法.
关键词：YOLOv5轻量化注意力机制损失函数MobilenetV3
分类号：TP391.4(计算技术、计算机技术)
资助基金：河北省教育厅科技项目(ZD2022163)中央高校基本科研业务费(3142020048)国家重点研发计划(2020YFC1511805)
论文发表日期：2024-06-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 32-41 )
英文信息