典型文献
基于YOLOv5的施工现场安全帽佩戴监测算法
文献摘要：
针对现有的施工现场安全帽佩戴检测算法难以检测小目标、识别精确度不够高的问题,提出了一种改进的YOLOv5模型施工现场安全帽佩戴检测方法.在YOLOv5模型中加入一种轻量型的注意力模块CBAM,提高检测模型对安全帽这种小物体的关注,从而提升检测小目标的能力;使用SIoU_Loss损失函数替代GIoU_loss损失函数,提高模型的收敛效果.实验结果表明,改进的YOLOv5算法比原始算法平均精确率提高了1.1％,在小目标的场景下泛化能力增强,满足在施工现场安全帽佩戴检测的性能要求.
文献关键词：
深度学习;目标检测;安全帽佩戴;YOLO算法;注意力机制
中图分类号：
作者姓名：
王英郦
作者机构：
沈阳理工大学信息科学与工程学院 辽宁沈阳 110159
文献出处：
引用格式：
[1]王英郦-.基于YOLOv5的施工现场安全帽佩戴监测算法)[J].信息技术与信息化,2022(07):33-36
A类：
B类：
YOLOv5,施工现场安全,监测算法,安全帽佩戴检测,检测算法,小目标,轻量型,注意力模块,CBAM,高检,检测模型,SIoU,Loss,损失函数,GIoU,loss,收敛效果,精确率,泛化能力,性能要求,目标检测,注意力机制
AB值：
0.286296
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
