基于改进YOLOv5的安全帽检测算法_梅鹏.pdf
《基于改进YOLOv5的安全帽检测算法_梅鹏.pdf》由会员分享,可在线阅读,更多相关《基于改进YOLOv5的安全帽检测算法_梅鹏.pdf(3页珍藏版)》请在咨信网上搜索。
1、2023.7电脑编程技巧与维护Backbone输入端16016064808012840402562020512CBSCBSCSP1_1CSP1_2CBSCBSCSP1_3CBSCSP1_1SPPFCBS输入64064033203203240402568080128Neek上采样40405122020256ConcatCSP2_1CBS上采样8080256ConcatCSP2_1Conv40401288080128404012840402564040256202025620202562020512ConvConvCBSCBSConcatConcatCSP2_1CSP2_1Prediction80
2、8025540402552020255CBSConvBNSiLURes unitCBSCBSaddCSP1_XCBSRes unitXConcatCBSCBSCBSCBSCBSConcatCBS2XCSP2_XSPPFCBSMaxPoolMaxPoolMaxPoolCBSConcatSPPCBSConcatCBSMaxPoolMaxPoolMaxPoolFOCUSslicesliceslicesliceConcatCBS1概述佩戴安全帽可以有效地保护施工现场工作人员的头部。在各种复杂多变的场地中,工作人员常常存在不按规定佩戴安全帽的情况,此状况会威胁工作人员的人身安全,并可能造成重大损失。刘小
3、慧和叶西宁1采用安全帽和头发颜色的区别来判断安全帽是否被佩戴;Rubaiy-at等2利用方向梯度直方图先确定人在图像中的位置,再利用颜色特征及圆形霍夫变换设计出安全帽特征,最后判定是否佩戴安全帽;李琪瑞3提出要采用定位头部区域和计算安全帽的色泽特征来检测安全帽;Chiverton4提出首要的目标是检测到人,再提取相对应头部的HOG及SIFT等特征,以此检测是否佩戴安全帽。以上所说的都是手动选取特征并检测的方法,其缺点很明显,如计算量大、检测速度慢、精度不高等。在实际应用中,对于安全帽检测的要求不但要准而且要快,需要满足检测的实时性,同时不能出现漏检。因此在YOLOv5主干网络中加入注意力机制(
4、CA),以此提高特征获取更大的感受野,以及更加密集的数据。在颈部使用BiFPN来取代FPN,以实现更高层次的特征融合。对YOLOv5算法进行优化和改进,不但使其精度有了很好的提升,而且对密集目标和遮挡目标起到了更好的效果。2网络结构2.1YOLOv5 网络结构YOLOv5检测算法是轻量级的检测模型,其结构如图1所示,包含输入端、Backbone、Neck及Prediction。基于改进 YOLOv5 的安全帽检测算法梅鹏,张佳恒,杨永生(西京学院计算机学院,西安710123)摘要:对于工业及建筑行业来说,工作人员在施工过程中佩戴安全帽是避免伤害的有效途径之一。针对这一现象,提出了一种改进 YO
5、LOv5 的安全帽检测算法。该算法以 YOLOv5s 网络为基础,在YOLOv5s 的主干网络中添加 CA 坐标注意力机制模块。在颈部网络结构中将特征融合模块中原有特征金字塔模块替换为加权双向特征金字塔(BiFPN)网络结构,实现高效的双向跨尺度连接和加权特征融合。在自制安全帽数据集中验证可知,改进的 YOLOv5 模型平均精度达到了 92.15%,相比于 YOLOv5模型,平均精度提高了 1.05 个百分点,实现了对密集目标和遮挡目标准确、高效的安全帽检测。关键词:安全帽佩戴检测;YOLOv5 算法;加权双向特征金字塔;坐标注意图1YOLOv5结构14DOI:10.16184/prg.202
6、3.07.0242023.7电脑编程技巧与维护2.2YOLOv5 网络的改进CA是一个简单灵活、参数量小,模块插入简单、方便,并且它可以在基本不带任何多余开销的情况下,提升网络的精度。BiFPN采用了加权特征融合的方法,首先,采用自上而下的方式进行特征融合,然后,利用自下而上的方式进行特征融合,增强高层信息融合,其结构如图2所示。3实验分析3.1实验环境配置和训练参数选择研究所用的硬件参数如表1所示。实验训练由于受图形处理器(GPU)等相关硬件性能的约束,训练进程设为4,批次容量(batch_size)设为12。通过实验训练出的mAP和best.pt权重文件在epoch为200左右时表现较好,
7、于是将迭代次数(epochs)设为200。3.2数据集制作由于缺乏高质量、开源的安全帽数据集,采用自收集方法,通过实际拍摄和网络爬虫总共收集了7 642张图像。包含大尺度目标(目标像素面积 大于9696)、中尺度目标(目标像素面积32329696)、小尺度目标(目标像素面积小于3232)和密集目标(包含多个比例目标),并使用Labelimg软件对图像逐个标注。使用软件对其进行标记。格式为YOLO格式,分为两类,分别是类别号(0,1)和目标位置的边框坐标。戴安全帽的图像约有4 600个,不戴安全帽的图像约有3 000个。3.3实验训练结果将改进后的YOLOv5s实验模型与原始YOLOv5s模型在
8、相同的实验配置环境和数据集下分别训练200轮后。mAP对比结果如图3所示,平均准确率(IOU=0.5)。图中改进后的模型由灰色曲线表示,改进前的YOLOv5s模型由黑色曲线表示。横坐标为实验训练轮数,纵坐标为数值,两者都没有单位。观察实验图像可知,图像上前50轮两种模型都表现出迅速收敛,在逐渐进行到100轮时慢慢地趋于稳定,直到最终实验结束,两种模型的训练效果都很好,没有发生过拟合和欠拟合现象。YOLOv5-CA_BiFPN模型相比于YOLOv5s模型收敛的速度更快且损失值更小,说明网络改进之后提高了检测精度。3.4消融实验为了验证CA模块、SPPCSPC模块和BiFPN的效果,在实验后进行对
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 改进 YOLOv5 安全帽 检测 算法 梅鹏
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。