基于改进YOLOv4的安全帽佩戴检测方法

作     者：石家玮 杨莉琼 方艳红 杜义祥 李明骏 SHI Jia-wei;YANG Li-qiong;FANG Yan-hong;DU Yi-xiang;LI Ming-jun

作者机构：西南科技大学信息工程学院四川绵阳621002 西南科技大学土木工程与建筑学院四川绵阳621002 四川振通检测股份有限公司研发部四川绵阳621002 

基　　金：四川省科技厅重点研发基金项目(2021YFS0300) 西南科技大学科研基金项目(20ZX1101) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2023年第44卷第2期

页      码：518-525页

摘      要：针对建筑施工场地场景下远距离小目标安全帽佩戴检测问题,提出的一种改进YOLOv4的安全帽检测方法。将BN层和卷积层合并减少修改后的网络前向推理计算量,利用K-means聚类算法改进先验框维度,采用柔性NMS算法进行置信度权重修改解决标签重写问题,应用多尺度特征融合提升模型识别准确率。实验结果表明,该方法在安全帽数据集的检测任务中mAP提升2.91%;对低于32*32尺寸目标AP值相较于原算法提升6.02%,能够有效提升安全帽佩戴检测范围和准确率。

主 题 词：安全帽佩戴检测 多尺度特征融合 卷积神经网络 YOLOv4算法 k均值聚类算法 非极大值抑制算法 目标检测 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.16208/j.issn1000-7024.2023.02.027

馆 藏 号：203118264...