摘要
针对现有的安全帽检测算法参数量大,不利于嵌入式端部署,且密集目标存在漏检等情况,本文做出以下改进:对模型的主干特征网络用更加轻量的MobileViTv2网络进行替换并引入轻量级的无参卷积注意力模块(SimAM),再结合大卷积核RepLKNet架构对原有的超深小卷积核进行改进,在减少参数量的同时提升了精度.实验结果表明,改进后的算法平均精度达到96％,提升了1.8％,模型大小降低了31％.同时能满足实际场景对安全帽检测精度和速度的要求.
基金项目
安徽理工大学国家级创新训练项目(202010361092)
NETL
NSTL
维普
万方数据