基于改进YOLOv5模型的安全帽佩戴检测

摘要：

针对施工现场情况复杂多样,被检测目标存在目标过小、数量众多、遮挡严重等特点,且现有安全帽佩戴检测模型难以对其进行有效识别的问题,文章提出一种改进的YOLOv5安全帽佩戴检测模型.模型改进分为两个方面:一方面是将Neck模块的特征融合网络由PANet替换为BiFPN,以优化网络结构,提高模型的计算效率和特征融合能力;另一方面是将原模型中的边界框损失函数由原始的CIOU Loss替换为SIOU Loss,通过考虑角度因素、距离因素、形状因素以及交互比来加快模型的训练过程,提高模型训练精度.实验表明,改进后模型的mA1P值、F1分数分别达到了 94.76％、0.96,相较于原模型分别提高了 0.52％和1％.

关键词：安全帽佩戴检测、YOLOv5、BiFPN、SIOU Loss

所属期刊栏目：34

分类号：TP389.1(计算技术、计算机技术)

在线出版日期：2023-03-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：59-63