科研之友
微信
新浪微博
Facebook
分享链接
摘要
为实现自然场景下对安全帽以及口罩佩戴更高效地检测，基于深度学习YOLOv5算法提出了一种改进的算法模型YOLOv5+。对于目标检测任务而言，通常是在较大的特征图上去检测小目标。考虑到所检测对象多为小尺度目标，因此当输入图像尺寸默认为640×640像素时，通过在原算法检测层中增加大小为160×160像素的特征图，并选用CIoU (Complete-IoU)作为损失函数，以实现对安全帽佩戴以及口罩佩戴更有效地检测。实验结果表明，在安全帽佩戴和口罩佩戴数据集上，YOLOv5+网络模型的平均检测精度(mAP-50)分别达到93.8%和92.3%,相比原算法均有所提高。此方法不仅满足了实时性检测的速度要求，同时提高了检测的精度。
- 单位
