文献类型：期刊文章

作　　者：雷源毅[1] 朱文球[1] 廖欢[1]

LEI Yuanyi;ZHU Wenqiu;LIAO Huan(School of Computer,Hunan University of Technology,Zhuzhou 412007,China)

机构地区：[1]湖南工业大学计算机学院,湖南株洲412007

出　　处：《软件工程》

基　　金：科技创新2030——“新一代人工智能”重大项目(2018AAA0100400);湖南省自然科学基金项目(2021JJ50058);湖南省自然科学基金(2022JJ50051)。

年　　份：2023

卷　　号：26

期　　号：12

起止页码：46-51

语　　种：中文

收录情况：JST、普通刊

摘　　要：为解决工地场景下安全帽检测因背景复杂、目标密集等导致YOLOv8n算法识别精度低、易出现漏检及误检等问题,提出一种改进YOLOv8n的RDCA-YOLO安全帽检测算法。通过改进Backbone结构提升模型特征提取能力;嵌入CBAM注意力机制,增强对小目标信息提取的能力;设计一种Coord-BiFPN结构,增强网络特征融合能力;提出一种OD-C2f结构,实现提取不同形状和大小安全帽的关键特征;设计一种FR-DyHead检测头替换原始Detect结构,提升了检测精度并降低了延时。使用GDUT-HWD数据集进行训练测试,结果表明所提算法的mAP达到85.8%,相比YOLOv8n提升了2.6%,能有效提高复杂场景下的安全帽佩戴检测精度。

关 键 词：YOLOv8  CBAM注意力机制  Coord-BiFPN  FR-DyHead检测头  

分 类 号：TP391.4]