国外电子测量技术北大中文核心期刊ＤＯＩ：１０．１９６５２／ｊ．ｃｎｋｉ．ｆｅｍｔ．２２０４３４８改进ＹＯＬＯｖ３的安全帽佩戴检测方法＊李振华张雷（江苏理工学院电气信息工程学院常州２１３００１）摘要：针对目前安全帽佩戴检测模型在复杂环境下对于密集目标和遮挡目标存在漏检的问题，基于ＹＯＬＯｖ３框架，提出了一种新的安全帽佩戴检测算法ＹＯＬＯｖ３－Ｈ。ＹＯＬＯｖ３－Ｈ算法在主干网络提取的３个特征层后加入多尺度自注意力机制，提升模型捕捉有用信息的能力；同时对Ｋ－ｍｅａｎｓ聚类算法进行优化，获得适合安全帽佩戴检测的最优先验框，从而提升网络模型的检测精度；最后采用ＧＩＯＵＬｏｓｓ作为目标定位损失函数，使得网络可以沿着预测框与真实框重叠度高的方向进行优化，从而加快模型的收敛速度。在ＳａｆｅｔｙＨｅｌｍｅｔＷｅａｒｉｎｇｄｅｔｅｃｔ公开数据集上进行实验，结果表明，ＹＯＬＯｖ３－Ｈ算法相比原有ＹＯＬＯｖ３，平均检测精度提升了７．０５％。关键词：安全帽佩戴检测；多尺度自注意力机制；聚类算法；损失函数中图分类号：ＴＰ３９１．４１文献标识码：Ａ国家标准学科分类代码：５２０．２ＳａｆｅｔｙｈｅｌｍｅｔｗｅａｒｉｎｇｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｏｆｉｍｐｒｏｖｅｄＹＯＬＯｖ３ＬｉＺｈｅｎｈｕａＺｈａｎｇＬｅｉ（ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｉｃａｌ＆ＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＪｉａｎｇｓｕＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｃｈａｎｇｚｈｏｕ２１３００１，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ａｔｐｒｅｓｅｎｔ，ｔｈｅｈｅｌｍｅｔｗｅａｒｉｎｇｄｅｔｅｃｔｉｏｎｍｏｄｅｌｈａｓｔｈｅｐｒｏｂｌｅｍｓｏｆｍｉｓｓｅｄｄｅｔｅｃｔｉｏｎｆｏｒｄｅｎｓｅｔａｒｇｅｔｓａｎｄｌｏｎｇ－ｄｉｓｔａｎｃｅｔａｒｇｅｔｓｉｎｃｏｍｐｌｅｘｅｎｖｉｒｏｎｍｅｎｔ．ＢａｓｅｄｏｎＹＯＬＯｖ３ｆｒａｍｅｗｏｒｋ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓａｎｅｗｈｅｌｍｅｔｗｅａｒｉｎｇｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍＹＯＬＯｖ３－Ｈ．ＹＯＬＯｖ３－Ｈａｌｇｏｒｉｔｈｍｍａｋｅｓｔｈｅｍｏｄｅｌｐａｙｍｏｒｅａｔｔｅｎｔｉｏｎｔｏｔａｓｋｉｎｆｏｒｍａｔｉｏｎｂｙｉｎｔｒｏｄｕｃｉｎｇｓｅｌｆ－ａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍｉｎｆｒｏｎｔｏｆｎｅｔｗｏｒｋｐｒｅｄｉｃｔｉｏｎｈｅａｄ．Ａ...
