识别安全帽佩戴的轻量化网络模型

来源：计算机工程与应用杂志2023年第13期北京时间：

作者：胡文骏, 杨莉琼, 肖宇峰, 何宏森

单位：西南科技大学 信息工程学院，四川 绵阳 621010

摘要：安全帽佩戴识别是一种分类少的目标检测任务，使用现有精度较高的大型深度学习网络模型来识别安全帽佩戴，存在参数冗余问题且计算较大，不利于部署在计算量有限的嵌入式设备中以适应实际的工地环境。针对以上问题，提出了一种适合部署在嵌入式设备中的轻量化网络模型YOLO-Ghost-BiFPNs3。在YOLOv4的基础上，基于Ghost模块重构新的网络结构并对网络的深度和宽度进行裁剪；设计一种基于通道加权相加的轻量化模块BiFPNs3来替换原来计算量较大的FPN+PAN的结构；采用更容易量化的H-Swish激活函数；在Safety-Helmet-Wearing-Dataset数据集上进行实验，在测试集上，mAP@0.5为91.1%，相较于YOLOv4精度仅损失1个百分点，比轻量化网络模型YOLOv4-Tiny精度高26个百分点。参数量为原来YOLOv4的3%，计算量仅为原来YOLOv4的5.8%。

关键词：目标检测,轻量化网络模型,安全帽佩戴识别,Ghost模块