吉林大学学报(信息科学版) ›› 2025, Vol. 43 ›› Issue (3): 591-597.
任伟建1, 李子昊1, 任 璐2, 张永丰3
REN Weijian1, LI Zihao1, REN Lu2, ZHANG Yongfeng3
摘要: 针对电动自行车头盔佩戴检测存在小目标漏检、 准确率低的问题, 提出一种基于YOLOv5s(You Only Look Once version 5 small)的改进电动车头盔检测算法。 在主干网络中引入CBAM(Convolutional Block Attention Module)卷积注意力机制, 以提升对聚集目标的关注, 解决因遮挡导致的检测效果差的问题; 将颈部网络中的 FPN(Feature Pyramid Network)+PAN(Path Aggregation Network)结构改为结合了跨尺度特征融合方法思想的特征 融合结构,增强模型不同方向上的多尺度融合能力,使目标多尺度特征有效融合,提升对小目标的识别能力; 使用SIoU(Structured Intersection over Union)定位损失函数代替CIoU(Complete Intersection over Union)损失函数, 以提高边框回归精度。 实验结果表明,改进后的YOLOv5s模型准确率P和召回率R分别为94.7%和91.2%, 平均精度值mAP为95.6%, 相较于原始YOLOv5s模型分别提升6%、7%和6.5%。 该方法使电动自行车头盔 佩戴检测准确率得到了明显提升。
中图分类号: