复杂场景下的改进YOLOv4安全帽检测算法

作者：谢国波; 唐晶晶; 林志毅; 郑晓锋; 方明

来源：激光与光电子学进展, 2022, 1-13.

• 目标检测
• YOLOv4
• 安全帽检测
• 注意力机制
• 多尺度特征融合
• DenseASPP

为了有效地检测复杂场景下施工人员的安全帽佩戴情况，减少安全隐患，提出一种改进的YOLOv4安全帽检测算法（SMD-YOLOv4）。首先采用SE-Net注意力模块强化模型主干网络提取有效特征的能力，然后使用密集空洞空间金字塔池化（DenseASPP）代替网络中的空间金字塔池化（SPP）以减少信息丢失，优化全局上下文信息的提取，最后在PANet部分增加特征融合的尺度并引入深度可分离卷积，使网络在获得复杂背景下小目标的细节信息，同时不降低网络推理速度。实验表明：在本文自建实验数据下，SMDYOLOv4算法的m AP值达到97.34%，较目前具有代表性的Faster R-CNN、SSD、YOLOv5、YOLOx和YOLOv4算法分别高出了26.41%、6.44%、3.25%、1.49%和3.19%，且能满足实时检测的需要。

• 单位
  云南电网有限责任公司; 广东工业大学