声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：37-1391/T
国际刊号：1672-3961
发布日期:
作者：张曼,孙凯军,李翔,孙纪舟
单位：淮阴工学院计算机与软件工程学院, 江苏 淮安 223003
关键词：安全设备佩戴检测,目标检测,轻量化,数据增强,实时检测,
基金：国家自然科学基金资助项目(62002131)
针对工业场景下检测模型参数量多、安全绳易与背景混淆问题,提出一种融合FasterNet和RepVGG的目标检测算法(you only look once version 5 fasternet-repvgg-cutmix-bifpn, YOLOv5s-FRCB)。通过引入轻量级网络结构FasterNet Block和RepVGG Block替换YOLOv5s部分卷积层,显著减少模型参数量和加快检测速度,满足实时性需求;通过BiFPN特征强连通性提升模型特征学习能力;改进Cutmix数据增强方法,随机将目标嵌入输入图像,更新标签,缓解标签类别不平衡问题,提高泛化性。在自建安全设备佩戴检测数据集上进行试验,结果表明:YOLOv5s-FRCB mAP值达到了96.3%,算法模型内存减少34%,是一种高效实用的安全设备佩戴检测方法;YOLOv5s-FRCB能在保证准确率的同时,进一步降低计算量。
来源：2024年第6期
《山东大学学报(工学版)》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。