计算机时代2023，Issue(10) ：105-109,114.DOI:10.16644/j.cnki.cn33-1094/tp.2023.10.022

基于改进YOLOv5算法的安全帽佩戴实时检测模型

Real-time detection model for helmet wearing based on improved YOLOv5

郭安文 权冀川
计算机时代2023，Issue(10) ：105-109,114.DOI:10.16644/j.cnki.cn33-1094/tp.2023.10.022
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于改进YOLOv5算法的安全帽佩戴实时检测模型

Real-time detection model for helmet wearing based on improved YOLOv5

郭安文 1权冀川1
扫码查看

作者信息

  • 1. 陆军工程大学指挥控制工程学院,江苏 南京 210007
  • 折叠

摘要

研究了借助深度学习算法来检测且实时监控图像中的工人是否佩戴了安全帽.考虑了施工环境恶劣和设备低性能的情况,YOLOv5算法可以快速地配置和训练模型.使用MobileNet v3[1]替换YOLOv5算法的主干网络后,参数量、计算量下降,但检测精度也下降,因此需要再引入对性能要求影响较小的CA注意力机制[2]来提升精度,从而在精度和速度之间取得平衡.实验结果表明,改进的轻量化模型能够在保持一定检测精度的同时大幅降低参数量和计算量,能够更好地适应施工环境.

关键词

安全帽佩戴/YOLOv5/注意力机制/轻量化

Key words

helmet wearing/YOLOv5/attention mechanism/lightweight

引用本文复制引用

出版年

2023
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
参考文献量8
段落导航相关论文