基于改进YOLOv5s方法的安全帽佩戴辨识

扫码查看

原文链接

万方数据
维普

中文摘要：针对现有安全帽佩戴检测中存在检测精度低等问题，文章提出一种改进的YOLOv5s的安全帽佩戴检测算法，通过可变形卷积结合C3模块嵌入主干网络中提高特征提取的准确性，加入解耦头作为目标检测模型的输出层，提高检测器的准确性和推理速度。同时，使用无锚框方法替代传统的锚框的方法，提升目标检测的准确性，简化模型结构。结果显示，改进后的YOLOv5s模型比改进前的mAP_0。5指标提升1。6％，mAP_0。5∶0。95指标提升3。4％。

作者：

王盛兴、王宏波、王灿、李琪琪、孔庆鑫、刘心玥、潘学怡

展开 >

作者单位：

广东海洋大学,广东湛江 524088

关键词：

YOLOv5 深度学习目标检测可变形卷积解耦头无锚框

出版年：

2024

DOI：

10.19301/j.cnki.zncs.2024.10.015

智能城市

辽宁省科学技术情报研究所

智能城市

ISSN：2096-1936

年,卷(期)：2024.10(10)