基于改进YOLOv5的工程着装检测算法

针对目前工程安全着装算法在网络结构复杂的二阶算法模型上实现,以牺牲一定的检测速度来提高精确度,而且并未就图像中的小目标物体进行处理,导致一定的漏检和误检的现状,选取轻量级YOLOv5模型针对小目标检测进行改进,以期在保持检测速度的同时能够提高模型的检测精确度。首先选择包含遗传算法的注意力(Anchor)机制来捕获对安全帽这类小目标更加适合的锚框值;然后在网络结构中嵌入轻量级的ECAnet模块以减少无用信息通道的计算量,在保持YOLOv5的检测速度优势的同时提高浅层网络对小目标特征的提取能力。实验结果表明:改进后的模型在不降低检测速度的情况下提高了检测精确度,召回率增加了3.82%,mAP@.5增加了0.73%。