融合坐标注意力与多尺度特征的轻量级安全帽佩戴检测
李忠飞1
冯仕咏2
郭骏3
张云鹤2
徐飞翔2
1.内蒙古电投能源股份有限公司 北露天煤矿,内蒙古 霍林郭勒 0292002.中国矿业大学 信息与控制工程学院,江苏 徐州 2211163.北京和利时数字技术有限公司,北京 100176
摘要：针对现有煤矿工人安全帽佩戴检测算法存在检测精度与速度难以取得较好平衡的问题,以YOLOv4模型为基础,提出了一种融合坐标注意力与多尺度的轻量级模型M-YOLO,并将其用于安全帽佩戴检测.该模型使用融入混洗坐标注意力模块的轻量化特征提取网络S-MobileNetV2替换YOLOv4的特征提取网络CSPDarknet53,在减少相关参数量的前提下,有效改善了特征之间的联系;将原有空间金字塔池化结构中的并行连接方式改为串行连接,有效提高了计算效率;对特征融合网络进行改进,引入具有高分辨率、多细节纹理信息的浅层特征,以有效加强对检测目标特征的提取,并将原有Neck结构中的部分卷积修改为深度可分离卷积,在保证检测精度的前提下进一步降低了模型的参数量和计算量.实验结果表明,与YOLOv4模型相比,M-YOLO模型的平均精度均值仅降低了 0.84%,但计算量、参数量、模型大小分别减小了 74.5%,72.8%,81.6%,检测速度提高了 53.4%;相较于其他模型,M-YOLO模型在准确率和实时性方面取得了良好的平衡,满足在智能视频监控终端上嵌入式加载和部署的需求.
关键词：目标检测安全帽佩戴检测坐标注意力模块轻量化多尺度特征融合
分类号：TD67(矿山电工)
资助基金：国家重点研发计划(2021YFC2902702)
论文发表日期：2023-11-10
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：9( 151-159 )
英文信息