融合FasterNet和RepVGG的安全设备佩戴检测方法

摘要

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。

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