融合注意力机制的安全帽检测算法

作者：张帅帅; 田锦^*; 刘静

来源：金陵科技学院学报, 2023, 39(03): 24-30.

DOI：10.16515/j.cnki.32-1722/n.2023.03.004

• 安全帽
• 目标检测
• 注意力机制
• 损失函数

针对工业施工场所背景复杂导致安全帽检测精度低及漏检等问题，提出一种融合注意力机制的安全帽检测算法。该算法在YOLOv5s网络模型的基础上，在主干网络中加入坐标注意力模块，使得网络可以有效关注目标信息的特征，提升远距离目标的检测能力。在网络训练过程中优化损失函数，将原有的CIoU损失函数更换为EIoU损失函数，优化了目标边界框回归的收敛速度，可以生成定位更精准的边界框，提高了模型检测精度。实验结果表明，改进后的算法平均精度达到94.5%,相较于原始模型提高了1.9个百分点，相较于YOLOv3算法提高了12.3个百分点。提出的算法有效地改善了原算法中安全帽漏检、误检的情况，同时提高了检测精度。

• 单位
  安徽理工大学; 金陵科技学院