安全帽与反光衣的轻量化检测：改进YOLOv5s的算法

来源：计算机工程与应用杂志2024年第1期北京时间：

作者：张学立, 贾新春, 王美刚, 智瀚宇

单位：山西大学 自动化与软件学院，太原 030013

摘要：安全帽与反光衣检测对生产与交通环境的安全管理具有重要意义。针对目前安全帽和反光衣检测算法参数量大、计算量大和模型体积较大等问题，提出了一种基于YOLOv5s轻量化改进的检测算法。引入GhostNet 网络结构中的Ghost模块代替原有的部分卷积与C3模块，大大降低了模型的复杂度。在主干网中增加CA注意力机制，抑制无效信息，增强对特征丰富区域的提取。用C3CBAM代替neck层的C3模块，既减少参数量，又提高了检测精度。实验结果表明，改进模型的mAP（平均精度）为93.6%，参数量为4.28×106，计算量为9.2?GFLOPs，模型大小为8.58?MB。与YOLOv5模型相比较参数量减少了39%，计算量减少了41.7%，模型大小降低37.3%。该检测算法既保证了检测的识别准确率，又实现了检测算法的轻量化。

关键词：目标检测,YOLOv5s,GhostNet,注意力机制,轻量化