改进YOLOv2算法的道路摩托车头盔检测

来源：电子测量技术杂志2021年第24期北京时间：

作者：冉险生，陈 卓，张 禾

单位：重庆交通大学机电与车辆工程学院 重庆 400074

摘要：针对摩托车头盔的传统检测方法准确率低、泛化能力差和目标检测网络参数量大难以在嵌入式设备运行的问题，提出改进的YOLOv2的MNXt-ECA-D-YOLOv2目标检测算法模型。首先引入MobileNeXt网络替换YOLOv2原始骨干网络，其次在MobileNeXt的沙漏块中引入密集连接结构同时在网络中引入有效通道注意力机制，然后在不同深度网络层应用不同的激活函数，最后在网络输出卷积层之前增加DropBlock模块。采用K-means聚类算法重新设计了自制数据集的先验框尺寸。实验结果表明，改进后的模型相比原始YOLOv2,在AP50指标上提高了3.53%，模型大小减少77.44%，检测速度提高了近4倍。 通过对比实验可知，改进后的YOLOv2模型在保持较高的精度下模型更小，在CPU中的推理速度更快，具有一定的应用价值。

关键词：摩托车头盔检测; YOLOv2; MobileNetXt; 有效通道注意力机制; 激活函数; DropBlock

基金资助：重庆市科技局2020重庆市技术创新与应用发展专项面上项目（cstc2020jscx-msxmX0161）资助