基于CA-YOLO的安全帽佩戴检测

作者：崔海彬; 蒲东兵^*; 陆云凤; 王敬

来源：东北师大学报(自然科学版), 2023, 55(03): 94-100.

DOI：10.16163/j.cnki.dslkxb202211030001

• 安全帽
• YOLO
• 坐标注意力机制
• 数据优化
• 目标检测

针对安全帽佩戴检测精度低等问题，提出一种基于YOLOv5的安全帽佩戴检测模型CA-YOLO.在YOLOv5骨干网络中引入坐标注意力机制，使模型可以注意到更多特征信息以提升检测精度，在训练过程中，提出一种基于正样本匹配与指数移动平均的PSM-EMA优化策略，并结合负样本训练降低模型误检率.在Helmet Detection和SHWD数据集上的实验结果表明，CA-YOLO的均值平均精度(xmAP)分别达到90.67%和91.02%,对佩戴安全帽工人的平均精度(yAP)达到94.53%和94.84%,相较于YOLOv5,该算法的均值平均精度分别提升2.42%和1.39%,CA-YOLO的平均精度均优于YOLOv5和其他对比模型，能实现不同复杂场景下对安全帽佩戴的准确检测.

• 单位
  东北师范大学