第49卷第4期2023年4月ComputerEngineering计算机工程安全帽佩戴检测网络模型的轻量化设计郭奕裕，周箩鱼（长江大学电子信息学院，湖北荆州434023）摘要：现有的安全帽佩戴检测网络模型存在准确率低、推理速度慢、部署到边缘计算设备时精度和实时性均达不到应用要求等问题。提出一种轻量化设计的DT-YOLO模型，对YOLOv4-Tiny目标检测模型进行改进，通过增加一个检测层提高模型在密集场景下对小目标的检测能力，并引入空间金字塔池化模块，提高模型对不同尺寸目标的检测能力。使用局部稀疏因子衰减算法进行稀疏化训练，从而使经过稀疏化训练后模型的平均精度均值（mAP）得到提高。根据缩放系数判断通道的重要性，并进行模型的通道剪枝，压缩模型的大小和计算量。使用TensorRT推理加速引擎进行网络层水平和垂直融合，消除拼接层操作，并将参数压缩成16位浮点型，提高模型的推理速度，最后在JestonNano边缘计算设备上实现模型部署。实验结果表明，与YOLOv4-Tiny模型相比，DT-YOLO模型的mAP提高了3.6个百分点，模型大小减少了83.5%，帧率提高137.7%，能够满足安全帽佩戴检测的要求。关键词：安全帽佩戴检测；YOLOv4-Tiny模型改进；局部稀疏因子衰减；模型压缩；TensorRT推理加速引擎；JestonNano边缘计算设备开放科学（资源服务）标志码（OSID）：中文引用格式：郭奕裕，周箩鱼.安全帽佩戴检测网络模型的轻量化设计［J］.计算机工程，2023，49（4）：312-320.英文引用格式：GUOYY，ZHOULY.Lightweightdesignofsafetyhelmetwearingdetectionnetworkmodel［J］.ComputerEngineering，2023，49（4）：312-320.LightweightDesignofSafetyHelmetWearingDetectionNetworkModelGUOYiyu，ZHOULuoyu（SchoolofElectronicsandInformation，YangtzeUniversity，Jingzhou434023，Hubei，China）【Abstract】Theexistingsafetyhelmetwearingdetectionnetworkmodelhassuchproblemsaslowaccuracy，slowreasoningspeed，andtheaccuracyandreal-timeperformancewhendeployedtoedgecomputingdevicescannotmeettheapplicationrequirements.Accordingly，alightweightDT-YOLOmodelisproposed，theYOLOv4-Tinytargetdetectionmodelfeaturestwosignificantimprovements.Specifically，adetectionlayerisaddedtoimprovethedetectionofsmalltargetsindensescenes，andaSpatialPyramidPooling（SPP）moduleisusedtoimprovethedetectionofvariable-sizedtargets.Secondly，thelocals...
