基于 YOLOX-L 算法的安全帽佩戴检测方法

来源：计算机技术与发展杂志2022年第09期北京时间：

作者：李骏峰;杨小军;张凯望

摘要：全帽作为生产和作业场地工人的最基本的个体防护装备,能够极大地保证工作人员的安全防护,在实际生产环境下由于多种因素造成的伤亡中,没有佩戴安全帽造成伤亡事故的占比一直很高。 为了减少相应的事故发生率,提出一种基于 YOLOX-L 算法的安全帽佩戴检测方法。 YOLOX 系列模型是当前最为先进的实时的无锚的单阶段检测器之一,在多种类别目标的检测下都具有优异的准确率和速度效果。 通过使用 YOLOX-L 模型骨干层提取多尺度的特征图,用于回归目标位置和预测类别;使用安全帽佩戴检测数据集( SHWD) ,使用冻结非冻结的训练方式训练 YOLOX-L 网络,最后选取最好的训练模型检测安全帽的类别和位置。 实验结果表明,在 SHWD 数据集检测任务中,相比较于 YOLOv3 算法,基于YOLOX-L 的 mAP 提高了 5. 41% ,查全率分别提高了 18. 51% 和 26. 44% 。 所提方法在满足高准确率和实时性要求的基础上,更少发生漏检,具有更高的查全率。

关键词：深度学习;卷积神经网络;目标检测;安全帽佩戴检测;YOLOX-L 算法