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, 2023, 60(12): 139-147.

• 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细节信息的同时不降低网络推理速度。实验结果表明：在自建实验数据集下，SMD-YOLOv4算法的平均精度均值（mAP）达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个百分点、6.44个百分点、3.25个百分点、1.49个百分点和3.19个百分点，能满足实时检测的需要。

• 单位
  广东工业大学; 云南电网有限责任公司