文献类型：期刊文章

作　　者：杨永波[1] 李栋[1]

YANG Yongbo;LI Dong(Inner Mongolia Autonomous Region Key Laboratory of Perception Technology and Intelligent System,College of Information Engineering,Inner Mongolia University of Technology,Hohhot 010051,China)

机构地区：[1]内蒙古工业大学信息工程学院内蒙古自治区感知技术与智能系统重点实验室,呼和浩特010051

出　　处：《计算机工程与应用》

基　　金：内蒙古自治区高等学校科研项目(NJZY21304)。

年　　份：2022

卷　　号：58

期　　号：9

起止页码：201-207

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对现有的对安全帽佩戴检测算法的参数多、网络复杂、计算量大、不利于在嵌入式等设备进行部署,且对遮挡目标辨别度差等问题,提出了一种改进的轻量级的安全帽检测算法YOLO-M3,先将YOLOv5s主干网络替换为MobileNetV3来进行特征提取,降低了网络的参数量和计算量。使用DIoU-NMS替换NMS,提高对遮挡目标的辨识度,添加CBAM注意力机制使模型更关注主要信息以提升检测精度,对模型进行知识蒸馏,增加模型检测的召回率和准确度。通过实验验证了YOLO-M3算法提高了对遮挡目标的辨识度,在保证较高的检测平均精度时,将YOLOv5s模型的计算量降低了42%,模型大小降低了40%,降低了硬件成本,满足在嵌入式端部署的需求。

关 键 词：轻量化 目标检测 改进YOLOv5  注意力机制  知识蒸馏  

分 类 号：TP391.41]