首页|基于改进YOLOv5的安全帽检测算法研究

基于改进YOLOv5的安全帽检测算法研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.
Research on helmet detection algorithm based on improved YOLOv5

胡晓栋、王国明

展开 >

安徽理工大学计算机科学与工程学院,安徽 淮南 232000

深度学习 YOLOv5 MobileViTv2 SimAM RepLKNet 安全帽

安徽理工大学国家级创新训练项目

202010361092

2023

10.16644/j.cnki.cn33-1094/tp.2023.06.016

计算机时代
浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411
ISSN：1006-8228
年,卷(期)：2023.(6)
  • 2
  • 3