文献类型：期刊文章

作　　者：李嘉信[1] 胡杨[2] 黄协舟[1] 李洪均[1,3]

LI Jiaxin;HU Yang;HUANG Xiezhou;LI Hongjun(School of Information Science and Technology,Nantong University,Nantong,Jiangsu 226019,China;Chang Chien College,Nantong University,Nantong,Jiangsu 226019,China;State Key Laboratory for Novel Software Technology at Nanjing University,Nanjing 210093,China)

机构地区：[1]南通大学信息科学技术学院,江苏南通226019 [2]南通大学张謇学院,江苏南通226019 [3]南京大学计算机软件新技术国家重点实验室,南京210093

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金(61976120);南京大学计算机软件新技术国家重点实验室基金(KFKT2019B015);江苏省产学研合作项目(BY2021349);南通市科技计划资助项目(JC2021131);江苏省研究生科研与实践创新计划项目(KYCX21_3084)。

年　　份：2024

卷　　号：60

期　　号：6

起止页码：230-237

语　　种：中文

收录情况：AJ、BDHX、BDHX2023、CSCD、CSCD_E2023_2024、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：由于目标视频中存在目标小、距离远等影响检测效果的因素,对小目标的捕捉难度较大,提出一种面向小目标的多空间层次安全帽佩戴检测算法,该算法将在Yolov5s的网络模型基础上进行个性化改进。设计一种多空间注意力模块,从不同角度考虑空间特征的效果并加以融合,加强显著性特征的空间位置关系;融合多空间尺度的特征,同时结合特征提取过程中的多种特征,适应对不同空间层次目标的捕捉,提高对小目标的检测能力;利用数据增强提高数据集的泛用性,使训练目标适应更多样的情景;优化损失函数,增强回归能力,提高训练效果。实验结果表明,所提算法的平均准确率达到91.5%,明显地减少了漏检情况。除此之外,将其部署到实际施工现场,展现了出对小目标优越的检测性能,具有极大的应用价值。

关 键 词：安全帽检测  Yolov5s  多空间注意力模块  数据增强  多空间尺度融合  

分 类 号：TP391]