基于YOLOv5的施工现场安全帽佩戴监测算法
王英郦
沈阳理工大学信息科学与工程学院 辽宁沈阳 110159
摘要：针对现有的施工现场安全帽佩戴检测算法难以检测小目标、识别精确度不够高的问题,提出了一种改进的YOLOv5模型施工现场安全帽佩戴检测方法.在YOLOv5模型中加入一种轻量型的注意力模块CBAM,提高检测模型对安全帽这种小物体的关注,从而提升检测小目标的能力;使用SIoU_Loss损失函数替代GIoU_loss损失函数,提高模型的收敛效果.实验结果表明,改进的YOLOv5算法比原始算法平均精确率提高了1.1％,在小目标的场景下泛化能力增强,满足在施工现场安全帽佩戴检测的性能要求.
关键词：深度学习目标检测安全帽佩戴YOLO算法注意力机制
论文发表日期：2022-07-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 33-36 )