准确高效地检测电动车骑行者是否佩戴头盔,对于减少交通事故伤亡具有重要意义.文章提出一种改进的 YOLOv8n 模型,用于电动车骑行者头盔佩戴检测,有效提升了检测性能.首先,将原模型中的SPPF模块替换为SPPELAN,增强特征提取能力;其次,采用 DWRSeg 优化 C2f 模块,增强了模型对头盔边界的定位能力;最后,采用融合 Focal 思想的 DIoU 损失函数,优化了边界框回归精度,并提升了整体检测性能.实验结果表明,该模型在公共数据集上取得了显著的性能提升,平均精度均值mAP@0.5提升了3.4%,mAP@0.5:0.95提升了4.4%,证明了其有效性.
NETL
NSTL
万方数据
