基于多重机制优化YOLOv8的复杂环境下安全帽检测方法

来源：计算机工程与应用杂志2024年第21期北京时间：

作者：肖振久, 严肃, 曲海成

单位：辽宁工程技术大学 软件学院，辽宁 葫芦岛 125105

摘要：为了解决建筑工地、隧道、煤矿等施工场景中现有安全帽检测算法对于小目标、密集目标以及复杂环境下的检测精度低的问题，提出了一种基于多重机制的安全帽检测方法。以YOLOv8n为基础将Backbone部分的C2f模块加入可扩张残差（DWR）注意力模块，使得网络能够更灵活地适应不同尺度的特征，以而更准确地识别图像中的物体；采用可变形卷积AKConv模块取代主干部分中的原始Conv，为卷积神经网络带来了显著的性能提升，从而实现更高效的特征提取。此外引用了大型可分离核注意力LSKA模块与SPPF结构相结合，大大增强了模型核心的融合能力。在Safety helmet数据集的实验结果表明，改进后的算法相较于原模型，mAP@0.5指标上提升了10.5个百分点，在mAP@0.5-0.95指标上提升了3.7个百分点，能有效提高复杂场景下的安全帽佩戴检测精度。

关键词：安全帽,YOLOv8n,DWR模块,AKConv模块,LSKA模块