安全帽与反光衣的轻量化检测:改进YOLOv5s的算法

摘要：

安全帽与反光衣检测对生产与交通环境的安全管理具有重要意义.针对目前安全帽和反光衣检测算法参数量大、计算量大和模型体积较大等问题,提出了一种基于YOLOv5s轻量化改进的检测算法.引入GhostNet 网络结构中的Ghost模块代替原有的部分卷积与C3模块,大大降低了模型的复杂度.在主干网中增加CA注意力机制,抑制无效信息,增强对特征丰富区域的提取.用C3CBAM代替neck层的C3模块,既减少参数量,又提高了检测精度.实验结果表明,改进模型的mAP(平均精度)为93.6%,参数量为4.28×106,计算量为9.2 GFLOPs,模型大小为8.58 MB.与YOLOv5模型相比较参数量减少了39%,计算量减少了41.7%,模型大小降低37.3%.该检测算法既保证了检测的识别准确率,又实现了检测算法的轻量化.

关键词：目标检测、YOLOv5s、GhostNet、注意力机制、轻量化

所属期刊栏目：60

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金61973201

在线出版日期：2024-01-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：104-109