基于改进YOLOv5模型的安全帽佩戴检测方法研究

文档摘要：建筑施工现场环境复杂,现有的安全帽检测算法很难在这种复杂环境下保持准确性和实时性.针对此问题,本文提出了一种基于改进YOLOv5s的安全帽佩戴检测模型(YOLOv5s-REG).首先,基于Res2Net网络提出了C3_Res2Block模块,替代骨干网络中的C3模块,捕捉更丰富的特征信息;其次,在骨干网络中引入ECA注意力机制模块,增强模型对通道特征的关注度;最后,引入GSConv模块替换颈部网络的Conv模块,减少模型的参数量.实验结果表明,改进后的模型平均精度均值达到94.2%,同时浮点运算次数减少至14.4G,本文模型在满足检测精度需求的同时成功地降低了模型的复杂度,适用于施工现场算力有限的边缘设备.

Abstract：Duetothecomplexityofconstructionsites,existingsafetyhelmetdetectionalgorithmsstruggletomaintainaccuracyandreal-timeperformanceinsuchenvironments.Toaddressthisissue,animprovedsafetyhelmetdetectionmodelbasedonYOLOv5sisproposed,namedYOLOv5s-REG.Firstly,aC3_Res2BlockmodulebasedontheRes2NetnetworkisintroducedtoreplacetheC3moduleinthebackbonenetwork,capturingricherfeatureinformation.Secondly,anECAattentionmechanismmoduleisincorporatedintothebackbonenetworktoenhancethemodel'sfocusonchannelfeatures.Finally,aGSConvmoduleisintroducedtoreplacetheConvmoduleinthenecknetwork,reducingthemodel'sparametercount.Experimentalresultsshowthattheimprovedmodelachievesanaverageprecisionmeanof94.2%,whilereducingthefloating-pointoperationcountto14.4G.Thisindicatesthattheproposedmodelsuccessfullyreducesmodelcomplexitywhilemeetingtherequirementsofdetectionaccuracy,makingitsuitableforedgedeviceswithlimitedcomputationalresourcesatconstructionsites.

作者：郑凯东  马莉娜Author：ZHENGKaidong  MALina
作者单位：西安石油大学计算机学院,西安710065
刊名：智能计算机与应用
Journal：IntelligentComputerandApplications
年，卷(期)：2024, 14(7)
分类号：TP391
关键词：施工现场  安全帽  YOLOv5s  Res2Net  ECA  GSConv  
Keywords：Constructionsite  Safetyhelmet  YOLOv5s  Res2Net  ECA  GSConv  
机标分类号：TP391.41TU714TS207.3
在线出版日期：2024年7月22日
基金项目：基于改进YOLOv5模型的安全帽佩戴检测方法研究[
期刊论文]  智能计算机与应用--2024, 14(7)郑凯东  马莉娜建筑施工现场环境复杂,现有的安全帽检测算法很难在这种复杂环境下保持准确性和实时性.针对此问题,本文提出了一种基于改进YOLOv5s的安全帽佩戴检测模型(YOLOv5s-REG).首先,基于Res2Net网络提出了C3_Res2Block模块,替代...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文

关键词：施工现场,安全帽,YOLOv5s,Res2Net,ECA,GSConv,

2024-10-4 00:40 上传 基于改进YOLOv5模型的安全帽佩戴检测方法研究.pdf

文件大小:

2.39 MB

下载次数:

60

高速下载