改进YOLOv4-tiny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4期北京时间：

作者：王建波, 武友新

单位：南昌大学 数学与计算机学院，南昌 330000

摘要：针对已有的安全帽检测方法存在的模型参数量大，难以部署在边缘设备上，以及对较小目标检测效果不好等问题，提出一种改进YOLOv4-tiny的轻量级安全帽检测模型。针对小目标丢失过多问题，增加了检测小目标的尺度，提升模型关注小目标的能力。提出了一种轻量级特征融合结构，缓解特征融合部分的语义混叠问题，并且在模型中融入了优化的注意力模块，提升模型捕获上下文信息的能力。针对分类与回归任务之间的冲突，将模型预测头替换为解耦合的预测头，采用并行的卷积分别进行分类与回归任务。将改进的模型命名为HM-YOLO，通过实验验证了HM-YOLO算法的有效性，相比YOLOv4-tiny模型，HM-YOLO模型平均精度提升了14.2个百分点，参数量减少了19%，检测速度为为63?FPS，具有良好的检测精度和实时性，更易于部署在边缘设备上。

关键词：小目标检测,频域注意力,解耦头,YOLOv4,轻量级网络