改进YOLOv5的安全帽佩戴检测算法

来源：计算机工程与应用杂志2023年第11期北京时间：

作者：乔炎, 甄彤, 李智慧

单位：1.河南工业大学 信息科学与工程学院，郑州 450001；2.粮食信息处理与控制重点实验室，郑州 450001

摘要：针对目前目标检测模型结构复杂、计算量大、检测准确率低等问题，提出在工业场景下基于改进型YOLOv5的安全帽佩戴算法。在主干网络引入轻量型网络ShuffleNetv2，保留Focus结构和ShuffleNetv2共同组成主干网络，降低网络的计算量和参数量；在C3模块中引入Swin Transformer Block，得到C3STB模块，替换Neck部分原有的C3模块；设计了CBAM_H注意力机制，并将其嵌入Neck网络中，获取全局上下文信息，提高模型检测准确率。自建数据集并进行实验，实验结果表明，改进后的YOLOv5模型的参数量由6.14×106压缩到8.9×105，计算量由1.64×1010压缩到6.2×109，mAP由0.899上升到0.908，优于原模型性能。

关键词：YOLOv5,ShuffleNetv2,CBAM注意力机制,Swin Transformer Block