改進(jìn)YOLOv4-tiny的安全帽佩戴檢測(cè)算法

王建波，武友新

南昌大學(xué) 數(shù)學(xué)與計(jì)算機(jī)學(xué)院，南昌 330000

隨著我國(guó)經(jīng)濟(jì)的發(fā)展和城鎮(zhèn)化道路的建設(shè)，城市建筑行業(yè)涌入了大量的農(nóng)民工人員。國(guó)家統(tǒng)計(jì)局2022年2月發(fā)布的統(tǒng)計(jì)數(shù)據(jù)顯示，全國(guó)農(nóng)民工總量2億9 251萬(wàn)人。全年各類(lèi)生產(chǎn)安全事故共死亡26 307人[1]。在建筑行業(yè)，規(guī)范佩戴安全帽十分重要，遇到突發(fā)情況時(shí)能有效地保護(hù)施工人員，僅靠人為方式監(jiān)督工人是否規(guī)范佩戴安全帽效率低下。為此，采用機(jī)器視覺(jué)的方式去檢測(cè)工人安全帽佩戴狀況是具有研究意義及應(yīng)用價(jià)值的。

利用機(jī)器視覺(jué)技術(shù)檢測(cè)施工人員是否佩戴安全帽屬于目標(biāo)檢測(cè)類(lèi)的問(wèn)題。目標(biāo)檢測(cè)是一種對(duì)圖像或視頻中的特定對(duì)象進(jìn)行定位和分類(lèi)的任務(wù)，在神經(jīng)網(wǎng)絡(luò)崛起之前，目標(biāo)檢測(cè)器都是通過(guò)人為方式來(lái)設(shè)計(jì)特征提取器，比如直方圖梯度（histogram of oriented gradient，HOG）[2]、Viola-Jones檢測(cè)器[3]等。這些模型速度慢，準(zhǔn)確率低，泛化性能差，被應(yīng)用得并不多。2012年，Krizhevsky等人[4]在圖像識(shí)別大賽上將卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural network，CNN）應(yīng)用于圖像領(lǐng)域，并取得了全面超越傳統(tǒng)算法的性能，極大地推動(dòng)了深度學(xué)習(xí)在圖像領(lǐng)域的發(fā)展。此后很多學(xué)者以深度學(xué)習(xí)技術(shù)為基礎(chǔ)，構(gòu)建出不少優(yōu)秀的目標(biāo)檢測(cè)算法[5-7]。

近幾年有一些學(xué)者利用機(jī)器視覺(jué)技術(shù)進(jìn)行安全帽識(shí)別。例如，劉曉慧等人[8]先使用膚色檢測(cè)定位人臉區(qū)域，獲取臉部以上區(qū)域圖像，再使用SVM 進(jìn)行分類(lèi)，得出圖像是否含有安全帽。徐守坤等人[9]使用Faster R-CNN結(jié)合多尺度訓(xùn)練，增強(qiáng)模型對(duì)不同大小目標(biāo)的魯棒性，實(shí)現(xiàn)安全帽檢測(cè)。肖體剛等人[10]使用深度可分離卷積對(duì)YOLOv3 主干網(wǎng)絡(luò)進(jìn)行輕量化，減少模型參數(shù)量，提升安全帽檢測(cè)速度。這些方法雖然都進(jìn)行了算法的優(yōu)化，但仍然存在著參數(shù)量大、所需算力大、檢測(cè)速度慢等問(wèn)題。并且采用深度可分離替換主干網(wǎng)絡(luò)中的原始卷積的做法，會(huì)導(dǎo)致無(wú)法采用在大規(guī)模數(shù)據(jù)集上預(yù)訓(xùn)練的模型權(quán)值，進(jìn)而需要從頭訓(xùn)練整個(gè)網(wǎng)絡(luò)。

本文提出基于改進(jìn)YOLOv4-tiny 的輕量級(jí)安全帽檢測(cè)算法，并針對(duì)小目標(biāo)漏檢過(guò)多等問(wèn)題進(jìn)行優(yōu)化，在安全帽數(shù)據(jù)集上驗(yàn)證了所提方法的有效性。

1 相關(guān)理論

1.1 YOLOv4-tiny模型

YOLOv4-tiny 是YOLOv4 的輕量化模型，相比YOLOv4，雖然精度不足，但參數(shù)量?jī)H為YOLOv4的1/10，并且計(jì)算速度是YOLOv4 的5 倍，這使得tiny 模型更加適用于計(jì)算資源有限、存儲(chǔ)空間不夠充足的邊緣設(shè)備。

YOLOv4-tiny 網(wǎng)絡(luò)結(jié)構(gòu)如圖1 所示，由主干網(wǎng)絡(luò)（backbone）、特征融合網(wǎng)絡(luò)（feature pyramid networks，F(xiàn)PN）、預(yù)測(cè)頭（YOLO head）三部分組成。其特征提取網(wǎng)絡(luò)是新一代目標(biāo)檢測(cè)骨干網(wǎng)CSPDarknet53 的縮減版。特征融合部分將經(jīng)過(guò)特征提取網(wǎng)絡(luò)得到的高級(jí)語(yǔ)義特征圖進(jìn)行語(yǔ)義融合，相比于YOLOv4，YOLOv4-tiny只使用P4、P5兩個(gè)尺度的輸出。因此，特征融合部分也比較簡(jiǎn)單，采用FPN網(wǎng)絡(luò)的思想，將P5經(jīng)過(guò)一次卷積后再二倍上采樣，與P4 進(jìn)行通道拼接，豐富P4 的語(yǔ)義信息。預(yù)測(cè)頭部分，沿用了傳統(tǒng)的YOLO預(yù)測(cè)算法計(jì)算分類(lèi)損失與回歸損失。

圖1 YOLOv4-tiny結(jié)構(gòu)圖Fig.1 YOLOv4-tiny structure diagram

1.2 多頻譜通道注意力

卷積神經(jīng)網(wǎng)絡(luò)中的注意力機(jī)制作為一種特征建模的手段，在本質(zhì)上可以看作對(duì)特征圖進(jìn)行重加權(quán)，讓具有不同語(yǔ)義信息的特征具有不同權(quán)重，從而抑制背景信息，使得網(wǎng)絡(luò)聚焦于特定區(qū)域。由于注意力機(jī)制的便捷性和有效性，近幾年對(duì)注意力機(jī)制的研究層出不窮。胡杰等人[11]在ImageNet 2017 圖像分類(lèi)大賽中提出SE（squeeze-and-excitation）通道注意力。SE注意力使用全局平均池化（global average pooling，GAP）將特征圖壓縮到通道維度，再使用全連接層計(jì)算每個(gè)通道的權(quán)重。Qin等人[12]證明了GAP是離散余弦變換（discrete cosine transform，DCT）的最低頻率分量，指出僅使用GAP作為通道注意力的降維方式會(huì)造成大量語(yǔ)義丟失，并且提出了一種多頻譜通道注意力（multi-spectral channel attention，MSCA）。MSCA 不僅使用了GAP 所含有的信息，也使用了其他頻域的信息，MSCA 模塊與SE 模塊的具體對(duì)比如圖2所示。首先，將輸入X沿著通道維度平均劃分成n塊，記為[x0,x1,…,xn-1]。然后為每個(gè)塊分配二維DCT分量，具體計(jì)算如式（1）所示：

圖2 模塊對(duì)比示意圖Fig.2 Module comparison diagram

這里，DCTi表示xi對(duì)應(yīng)的頻率分量，Concat 表示按通道維度拼接，F(xiàn)表示全連接層，Xout表示輸入X經(jīng)過(guò)MSCA模塊的輸出。

2 HM-YOLO算法

2.1 注意力模塊的改進(jìn)

目前對(duì)注意力機(jī)制的研究主要從通道、空間和頻域三個(gè)方向開(kāi)展。SE注意力僅考慮了在通道維度對(duì)輸入信息進(jìn)行建模得到注意力權(quán)重。MSCA 注意力雖然同時(shí)考慮了通道與頻域兩個(gè)維度的建模信息，但沒(méi)有利用空間維度的信息，在一定程度上會(huì)丟失空間信息。為解決該問(wèn)題，本文將空間維度融入MSCA 中，有效增強(qiáng)注意力模塊捕獲上下文以及空間信息的能力。MSCA 可以看作SE 通道注意力的變體，因此本文借鑒CBAM（convolutional block attention module）[13]模塊的思想將空間維度融入MSCA中得到新的注意力模塊MSCBAM（multi-spectral convolutional block attention module），其結(jié)構(gòu)如圖3所示。

圖3 MSCBAM結(jié)構(gòu)圖Fig.3 MSCBAM structure diagram

輸入的特征圖向量進(jìn)入MACBAM模塊中，先通過(guò)MSCA模塊得到通道注意力權(quán)重FC，具體運(yùn)算如式（2）所示：

經(jīng)過(guò)MSCA 模塊后的特征圖向量進(jìn)入空間注意力模塊得到空間注意力權(quán)重FS，具體計(jì)算如式（3）所示：

對(duì)于輸入張量X∈RC×H×W,C、H、W分別代表通道數(shù)、寬以及高度，式（2）中δ表示Sigmoid非線性激活，MLP 表示全連接層操作，DCT 表示選取二維DCT 分量，式（3）中Conv 表示空間注意力中的卷積操作。AvgPool 和MaxPool 分別代表平均池化和最大池化操作。

2.2 特征融合模塊的改進(jìn)

YOLOv4-tiny 的特征融合網(wǎng)絡(luò)使用的是自底向上的FPN，為充分利用多級(jí)特征圖所蘊(yùn)含的語(yǔ)義信息，可以將FPN替換為更加有效的融合方式。YOLOv4中的特征融合方式為路徑聚合網(wǎng)絡(luò)（path aggregation network，PAN），YOLOv5中使用的是CSP-PAN，但直接將PAN或者CSP-PAN 引入YOLOv4-tiny 中會(huì)使得網(wǎng)絡(luò)參數(shù)大幅度上升，模型檢測(cè)速度顯著降低。

為此，在PAN 的基礎(chǔ)上，本文設(shè)計(jì)了一種輕量級(jí)的特征融合網(wǎng)絡(luò)Shuffle-PAN，在不顯著增加網(wǎng)絡(luò)參數(shù)量的條件下，實(shí)現(xiàn)了更加有效的特征融合。特征融合模塊中，在將相鄰特征圖按通道維度融合之后，容易造成語(yǔ)義混疊，不利于網(wǎng)絡(luò)學(xué)習(xí)，因此在特征融合操作之后需要使用卷積進(jìn)行特征的重提取。這一部分在YOLOv4中采用的是五次卷積，YOLOv5 中采用的是CSP（cross stage partial）模塊。本文采用的是由Shuffle卷積[14]構(gòu)建的Shuffle Unit，具體結(jié)構(gòu)如圖4 所示。Shuffle-PAN 在相鄰尺度的特征圖拼接之后使用Shuffle Unit進(jìn)行信息融合。表1 展示了Shuffle-PAN 與其他特征融合網(wǎng)絡(luò)的參數(shù)量對(duì)比，可以看到為YOLOv4 這種大模型設(shè)計(jì)的PAN直接引入輕量級(jí)模型中，參數(shù)量會(huì)顯著增加。而本文設(shè)計(jì)的Shuffle-PAN 模塊增加的參數(shù)量是最小的，適合用在輕量級(jí)模型中。

圖4 Shuffle Unit結(jié)構(gòu)圖Fig.4 Shuffle Unit structure diagram

表1 特征融合模塊對(duì)比Table 1 Feature fusion module comparison

2.3 預(yù)測(cè)頭的改進(jìn)

傳統(tǒng)的YOLO Head 采取的都是耦合頭部（coupled head），即在網(wǎng)絡(luò)的輸出端采用同一個(gè)卷積完成分類(lèi)與定位的任務(wù)。文獻(xiàn)[15-16]指出，在目標(biāo)檢測(cè)任務(wù)中，分類(lèi)和回歸任務(wù)之間是存在沖突的，采用耦合頭進(jìn)行分類(lèi)與回歸任務(wù)很可能會(huì)降低模型的性能。YOLOX算法首次將解耦頭應(yīng)用于YOLO 算法中，并取得了顯著的成效。為此，本文用解耦頭（decoupled head，DCHead）替換YOLOv4-tiny模型中的原耦合頭，以緩解這種沖突的負(fù)面影響。圖5 展示了耦合頭與解耦頭的區(qū)別。解耦的預(yù)測(cè)頭先使用1×1 卷積將特征融合網(wǎng)絡(luò)輸出的P3、P4、P5 三個(gè)不同維度的特征圖都映射成統(tǒng)一的通道數(shù)。隨后再使用兩個(gè)并行分支，每個(gè)分支增加了兩個(gè)3×3 的卷積層分別用于分類(lèi)與回歸任務(wù)。這樣就將兩個(gè)任務(wù)解耦合了，避免了兩個(gè)任務(wù)之間的不協(xié)調(diào)性。為避免參數(shù)增加過(guò)多，每個(gè)分支增加的3×3卷積采用的是深度可分離卷積。

圖5 耦合頭與解耦頭的區(qū)別Fig.5 Difference between coupled head and decoupled head

2.4 HM-YOLO網(wǎng)絡(luò)結(jié)構(gòu)

YOLOv4-tiny 算法雖然是目前主流的輕量級(jí)目標(biāo)檢測(cè)算法，但是仍然存在不足之處。同時(shí)為了方便使用大規(guī)模數(shù)據(jù)集上的預(yù)訓(xùn)練模型權(quán)值進(jìn)行遷移學(xué)習(xí)，只對(duì)網(wǎng)絡(luò)的融合部分以及預(yù)測(cè)頭部分進(jìn)行改進(jìn)。

具體做法為，在增加檢測(cè)小物體尺度的基礎(chǔ)上，結(jié)合前面章節(jié)所提出的模塊，對(duì)YOLOv4-tiny算法進(jìn)行增強(qiáng)，將得到的算法命名為HM-YOLO。HM-YOLO 網(wǎng)絡(luò)結(jié)構(gòu)如圖6 所示，HM-YOLO 在19×19、38×38、76×76 三個(gè)不同尺度的特征圖上進(jìn)行目標(biāo)物體預(yù)測(cè)。特征融合部分使用了第2.2 節(jié)提出的Shuffle-PAN 模塊，并將第2.3 節(jié)提出的優(yōu)化的注意力模塊融入網(wǎng)絡(luò)中，使網(wǎng)絡(luò)能更好地捕獲輸入圖像的目標(biāo)區(qū)域。同時(shí)，對(duì)YOLO Head 部分進(jìn)行了重構(gòu)，原YOLOv4-tiny 算法在Head 部分使用一個(gè)3×3卷積和1×1卷積這種耦合的預(yù)測(cè)頭，并且3×3 卷積對(duì)應(yīng)的輸出通道數(shù)為512，大于輸入通道數(shù)。本文認(rèn)為對(duì)于安全帽檢測(cè)這種只有兩類(lèi)檢測(cè)對(duì)象的任務(wù)，在Head 部分使用通道數(shù)上升的3×3 卷積是沒(méi)有必要的，會(huì)產(chǎn)生冗余參數(shù)。因此將預(yù)測(cè)頭部分替換為深度可分離卷積搭建的解耦頭，在預(yù)測(cè)頭的輸入端利用1×1 卷積將輸入通道數(shù)統(tǒng)一調(diào)整為128，隨后使用解耦頭的兩個(gè)并行分支進(jìn)行分類(lèi)與回歸任務(wù)，降低模型參數(shù)量的同時(shí)，也加強(qiáng)了模型的預(yù)測(cè)性能。

圖6 HM-YOLO結(jié)構(gòu)圖Fig.6 HM-YOLO structure diagram

3 數(shù)據(jù)集和實(shí)驗(yàn)

3.1 數(shù)據(jù)集

在安全帽佩戴檢測(cè)方面，公開(kāi)的數(shù)據(jù)集有SHWD（safety helmet wearing datasets）。SHWD 數(shù)據(jù)集樣本分為兩類(lèi)“hat”和“person”，表示目標(biāo)是否佩戴安全帽。但是SHWD數(shù)據(jù)集中未佩戴安全帽的圖像有相當(dāng)一部分來(lái)自SCUT-HEAD[17]數(shù)據(jù)集，該數(shù)據(jù)集是一個(gè)人頭檢測(cè)的數(shù)據(jù)集，其中的圖像來(lái)源于教室場(chǎng)景下的監(jiān)控?cái)?shù)據(jù)，不適合作為安全帽檢測(cè)任務(wù)的負(fù)樣本。為此剔除了SHWD數(shù)據(jù)集中這些不合理的圖像，并且補(bǔ)充了工地場(chǎng)景下正樣本的數(shù)量，最終得到的數(shù)據(jù)集有6 538張圖片，以8∶2 的比例劃分訓(xùn)練集和測(cè)試集。數(shù)據(jù)集標(biāo)注情況如表2 所示，其中包含佩戴安全帽的對(duì)象11 780 個(gè)，未佩戴安全帽的對(duì)象45 218個(gè)，共56 998個(gè)標(biāo)注對(duì)象。

表2 數(shù)據(jù)集標(biāo)注數(shù)量Table 2 Number of annotations in dataset

采用COCO數(shù)據(jù)集標(biāo)準(zhǔn)按照目標(biāo)大小進(jìn)行分類(lèi)，各類(lèi)目標(biāo)數(shù)量如表3所示。可以看到，在訓(xùn)練集和測(cè)試集中小目標(biāo)的數(shù)量均是最多的，分別占據(jù)了總目標(biāo)數(shù)量的41.0%、43.4%。

表3 數(shù)據(jù)集中目標(biāo)數(shù)量Table 3 Number of object in dataset

3.2 實(shí)驗(yàn)

3.2.1 實(shí)驗(yàn)設(shè)置

訓(xùn)練安全帽數(shù)據(jù)集時(shí)，網(wǎng)絡(luò)輸入的圖片大小固定為608×608，采用隨機(jī)水平翻轉(zhuǎn)和亮度調(diào)節(jié)進(jìn)行實(shí)時(shí)數(shù)據(jù)增強(qiáng)，增加樣本多樣性，防止模型過(guò)擬合。選用Adam優(yōu)化器，權(quán)重衰減設(shè)置為5E-4。批處理大小為8，訓(xùn)練時(shí)加載YOLOv4-tiny 的COCO 預(yù)訓(xùn)練權(quán)重以加快模型收斂，初始學(xué)習(xí)率為5E-4，學(xué)習(xí)率衰減比例為0.94。本文所有實(shí)驗(yàn)均在同一環(huán)境下進(jìn)行，操作系統(tǒng)為Windows10，CPU 型號(hào)為Intel?CoreTMi5-9400 CPU@2.90 GHz，GPU 型號(hào)為NVIDIA GeForce GTX 1660Ti，顯存大小為6 GB，內(nèi)存大小為16 GB。模型基于Pytorch1.7.1 框架，使用cuDNN進(jìn)行加速訓(xùn)練。

3.2.2 評(píng)價(jià)指標(biāo)

為了評(píng)估算法性能，本文采用mAP、FPS 和模型參數(shù)量三個(gè)指標(biāo)評(píng)價(jià)模型的精度、速度以及大小。mAP是由所有類(lèi)別的平均精度（AP）取均值得到的，而每個(gè)類(lèi)別的AP 是指不同召回率下精確度的平均值。AP 計(jì)算如式（5）所示，mAP 計(jì)算如式（6）所示，F(xiàn)PS 計(jì)算如式（7）所示。

其中，TP表示檢測(cè)結(jié)果為正的正樣本，F(xiàn)P表示檢測(cè)結(jié)果為正的負(fù)樣本，r表示所有召回率的可能取值，SUM表示總類(lèi)別數(shù)。

其中，fn表示檢測(cè)的圖片總數(shù)，T表示所用的總時(shí)間。

3.2.3 實(shí)驗(yàn)結(jié)果與分析

對(duì)HM-YOLO 和YOLOv4-tiny 算法在測(cè)試集上的準(zhǔn)確率與召回率進(jìn)行評(píng)價(jià)，繪制P-R曲線如圖7所示。

圖7 兩種算法的P-R曲線Fig.7 P-R curves of two algorithms

為了驗(yàn)證HM-YOLO的有效性，將HM-YOLO算法與主流的RFBNet、YOLOv4-tiny、MobileNetv3-YOLOv4、Ghost-YOLOv5s以及最新的YOLOX-s等通用改進(jìn)模型進(jìn)行對(duì)比。同時(shí)選取安全帽檢測(cè)問(wèn)題的研究工作[18-19]，根據(jù)文獻(xiàn)中所提的改進(jìn)點(diǎn)搭建了改進(jìn)的模型，并與本文模型進(jìn)行了對(duì)比，表4 展示了各算法的性能對(duì)比結(jié)果。由表4中可以看出，與主流檢測(cè)器RFBNet、YOLOv4-tiny、MobileNetv3-YOLOv4、Ghost-YOLOv5s相比，HM-YOLO算法的平均檢測(cè)精度分別提升了13.45個(gè)百分點(diǎn)、14.20個(gè)百分點(diǎn)、7.2 個(gè)百分點(diǎn)、2.68 個(gè)百分點(diǎn)；與最新的單階段檢測(cè)器YOLOX-s相比，平均精度略低，但是在未規(guī)范佩戴安全帽的類(lèi)別上，HM-YOLO算法的結(jié)果取得了比YOLOX-s 更高的精度。與文獻(xiàn)[18-19]相比，佩戴安全帽類(lèi)別精度略低，但是未佩戴安全帽的類(lèi)別取得了最高精度。這說(shuō)明了HM-YOLO 算法在檢測(cè)精度上達(dá)到了現(xiàn)有算法的先進(jìn)水平。

表4 主流算法性能對(duì)比Table 4 Performance comparison of mainstream algorithms

同時(shí)模型檢測(cè)速度與模型大小也是非常重要的指標(biāo)，決定了模型能否很好地應(yīng)用于實(shí)際場(chǎng)景下?？梢钥吹紿M-YOLO算法的檢測(cè)速度與表4中各算法相比，僅次于最快的YOLOv4-tiny，而相較于其他算法均有較大的提升。與YOLOv4-tiny相比，雖然速度下降了12 FPS，但是仍然滿足大多數(shù)工業(yè)場(chǎng)景下實(shí)時(shí)性的要求。同時(shí)HM-YOLO模型參數(shù)量最少，僅為YOLOX-s、文獻(xiàn)[18]、文獻(xiàn)[19]的53%、67%、66%，對(duì)于部署在空間有限的邊緣設(shè)備上更加友好。

3.2.4 改進(jìn)過(guò)程的對(duì)比實(shí)驗(yàn)

本文通過(guò)消融實(shí)驗(yàn)驗(yàn)證所提各方法的有效性，具體結(jié)果如表5 所示?？梢钥吹?，YOLOv4-tiny 在增加了76×76 的檢測(cè)尺度P3 后，檢測(cè)精度顯著提升。分析認(rèn)為，這是由于安全帽數(shù)據(jù)集中含有較多的小目標(biāo)，僅在19×19、38×38 兩個(gè)尺度上進(jìn)行預(yù)測(cè)會(huì)導(dǎo)致模型易忽略小目標(biāo)，增加了76×76尺度的P3后，模型對(duì)小目標(biāo)檢測(cè)能力顯著提升，能更好地完成安全帽佩戴檢測(cè)任務(wù)。同時(shí)將模型預(yù)測(cè)頭替換為更加輕量級(jí)的DCHead，模型參數(shù)量有了顯著的降低。并將模型特征融合部分替換為Shuffle-PAN 且融入MSCBAM 注意力模塊后得到HM-YOLO 算法，模型平均精度達(dá)到92.82%，在精度方面僅比YOLOX-s相差不到1個(gè)百分點(diǎn)。

表5 消融實(shí)驗(yàn)Table 5 Ablation experiments

為了驗(yàn)證改進(jìn)后的注意力模塊的有效性，本文做了一組注意力模塊的橫向?qū)Ρ葘?shí)驗(yàn)。以引入了解耦頭和輕量級(jí)特征融合模塊的模型為基礎(chǔ)模型，分別融入SE、CBAM、MSCA 與MSCBAM 在安全帽數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)對(duì)比。從表6中可以看到，融入不同注意力均能提升模型精度，而同時(shí)利用通道頻率信息與空間信息的MSCBAM 模塊取得了最佳精度，充分驗(yàn)證了該注意力模塊在安全帽檢測(cè)任務(wù)中的有效性。

為了更直觀地感受HM-YOLO算法的效果，選取了幾張密集場(chǎng)景和光照欠佳等復(fù)雜場(chǎng)景的圖片進(jìn)行檢測(cè)效果對(duì)比，檢測(cè)結(jié)果如圖8 和圖9 所示?？梢钥吹剑琀M-YOLO算法在密集遮擋場(chǎng)景下能檢測(cè)出更多目標(biāo)，具有更高的召回率。且在光線不好的情況下，HM-YOLO算法對(duì)物體的檢測(cè)置信度均高于YOLOv4-tiny 算法。說(shuō)明本文提出的HM-YOLO 算法在精度和穩(wěn)定性方面都超過(guò)了原算法。

圖8 HM-YOLO檢測(cè)結(jié)果Fig.8 HM-YOLO test results

圖9 YOLOv4-tiny檢測(cè)結(jié)果Fig.9 YOLOv4-tiny test results

為了定量分析HM-YOLO在復(fù)雜場(chǎng)景下的性能，從測(cè)試集數(shù)據(jù)中選取了100 張復(fù)雜場(chǎng)景下的圖片進(jìn)行mAP 評(píng)估，評(píng)估結(jié)果如表7 所示?？梢钥吹?，在復(fù)雜場(chǎng)景下，各算法精度與整個(gè)測(cè)試集精度相比，均有所下降。其中HM-YOLO、YOLOX-s 算法在復(fù)雜場(chǎng)景下精度下降最少，分別只下降了0.50 個(gè)百分點(diǎn)、0.44 個(gè)百分點(diǎn)，說(shuō)明模型的魯棒性更好，能更好地應(yīng)對(duì)復(fù)雜環(huán)境下的檢測(cè)任務(wù)。

表7 復(fù)雜場(chǎng)景精度對(duì)比Table 7 Performance comparison in complex background

4 結(jié)束語(yǔ)

本文針對(duì)安全帽佩戴檢測(cè)任務(wù)，使用YOLOv4-tiny模型作為基準(zhǔn)，增加檢測(cè)小目標(biāo)的尺度，解決小目標(biāo)丟失過(guò)多問(wèn)題；將本文所提的輕量級(jí)特征融合模型與注意力模塊融入YOLOv4-tiny 中，增強(qiáng)模型的學(xué)習(xí)能力；并將預(yù)測(cè)頭解耦，緩解分類(lèi)與回歸任務(wù)之間的沖突，得到輕量級(jí)HM-YOLO模型。實(shí)驗(yàn)表明，HM-YOLO算法能較好地完成安全帽佩戴檢測(cè)任務(wù)，檢測(cè)mAP達(dá)92.82%，檢測(cè)速度達(dá)63 FPS，且模型參數(shù)量?jī)H為4.79×106，更加適用于資源有限的邊緣設(shè)備和移動(dòng)設(shè)備。

目前訓(xùn)練模型仍然需要大量的標(biāo)注樣本，在很多情況下，對(duì)大量樣本進(jìn)行標(biāo)注是費(fèi)時(shí)費(fèi)力的。因此，下一步工作是研究半監(jiān)督學(xué)習(xí)，通過(guò)少量標(biāo)注樣本達(dá)到較好的訓(xùn)練效果。