基于改进YOLOv7-tiny的安全帽佩戴检测算法

作     者：李胜利 刘忆宁 高谭芮 LI Shengli;LIU Yining;GAO Tanrui

作者机构：成都理工大学计算机与网络安全学院四川成都610059 桂林电子科技大学计算机与信息安全学院广西桂林541004 

出 版 物：《电子设计工程》 (Electronic Design Engineering)

年 卷 期：2024年第32卷第20期

页      码：78-83,88页

摘      要：针对目前的安全帽佩戴检测方法在拥挤场景容易漏检和误检小目标和遮挡目标的问题,提出了一种基于YOLOv7-tiny安全帽佩戴检测方法。在YOLOv7-tiny主干网络中加入了协调注意力机制以提高网络对物体位置的感知能力;在特征融合部分设计新的加强特征提取网络结构来实现更高效的特征融合,并使用深度可分离卷积和损失函数SIoU来减少模型的收敛速度和提高检测精度;在预测头上新增一个特征层和检测尺度,进一步加强对小目标的检测能力。将改进的模型命名为DCS-YOLO,通过实验验证了DCS-YOLO模型的有效性,与原始模型相比,DCS-YOLO的模型平均精度达到93.43%,提高了4.67%,同时小目标和遮挡目标的漏检和误检得到了改善,具有良好的检测精度和检测速度,也更容易部署在计算资源和内存有限的设备上。

主 题 词：小目标检测 YOLOv7 注意力机制 SIoU 

学科分类：0810[工学-土木类] 08[工学] 081001[081001] 

D　O　I：10.14022/j.issn1674-6236.2024.20.016

馆 藏 号：203143714...