改进YOLOv5s算法的安全帽佩戴检测

来源：计算机工程与应用杂志2023年第2期北京时间：

作者：宋晓凤, 吴云军, 刘冰冰, 张青林

单位：1.华中师范大学 物理科学与技术学院，武汉 430079；2.火箭军装备部驻武汉地区第一军事代表室，武汉 430079

摘要：佩戴安全帽是施工过程中人员安全的重要保障之一，但现有的人工检测不仅耗时耗力而且无法做到实时监测，针对这一现象，提出了一种基于深度学习的安全帽佩戴检测算法。该算法以YOLOv5s网络为基础。在网络的主干网中引入CoordAtt坐标注意力机制模块，考虑全局信息，使得网络分配给安全帽更多的注意力，以此提升对小目标的检测能力；针对原主干网对特征融合不充分的问题，将主干网中的残差块替换成Res2NetBlock结构中的残差块，以此提升YOLOv5s在细粒度上的融合能力。实验结果表明：在自制的安全帽数据集中验证可知，与原有的YOLOv5算法相比，平均精度提升了2.3个百分点，速度提升了18 FPS，与YOLOv3算法相比，平均精度提升了13.8个百分点，速度提升了95 FPS，实现了更准确的轻量高效实时的安全帽佩戴检测。

关键词：安全帽佩戴检测,YOLOv5s,CoordAtt,Res2NetBlock