基于改進YOLOX-m 的安全帽佩戴檢測

王曉龍，江 波

（1.上海華訊網(wǎng)絡(luò)系統(tǒng)有限公司 行業(yè)數(shù)智事業(yè)部，上海 200127；2.中國電子科技集團公司第三十二研究所，上海 201808）

0 概述

近年來，我國電力行業(yè)和建筑行業(yè)人員在高空作業(yè)時，因未佩戴安全帽發(fā)生的事故屢見不鮮。目前，施工單位大部分通過人工監(jiān)控方式現(xiàn)場監(jiān)控施工人員有無佩戴安全帽，當(dāng)現(xiàn)場環(huán)境惡劣時可能會影響監(jiān)控人員的主觀情緒和人身安全，并且監(jiān)控人員難以了解每個高空作業(yè)人員具體安全情況，導(dǎo)致人工監(jiān)控方法效率低、成本高。隨著人工智能技術(shù)的發(fā)展，基于深度學(xué)習(xí)的目標(biāo)檢測算法為安全帽佩戴檢測提供了新的方向。

目前，檢測算法主要包括兩階段目標(biāo)檢測算法和單階段目標(biāo)檢測算法，學(xué)者們對安全帽檢測進行了一系列研究。文獻［1］提出一種Faster R-CNN［2］來檢測自動非硬帽，該方法相比傳統(tǒng)的安全帽檢測方法具有高精度和高速度的特點，但較其他一階段目標(biāo)檢測算法實時性較差。文獻［3］先對視頻中采樣的圖像進行預(yù)處理操作，通過設(shè)計不同的卷積神經(jīng)網(wǎng)絡(luò)進行實驗對比，該方法采用了較多的全連接層，最終導(dǎo)致模型大小和推理速度均有較大的增加。文獻［4］將反向漸進注意力機制融入SSD 單階段檢測算法［5］，提升了安全帽檢測精度，并且可以確認顏色是否正確，但該算法對小尺度目標(biāo)的識別精度較低，在密集場景下不能達到很好的識別效果。文獻［6］通過改進LeNet5［7］提出一種并行雙路卷積神經(jīng)網(wǎng)絡(luò)結(jié)合SVM 進行人體和安全帽識別，該方法不能達到實時檢測的效果。文獻［8］針對現(xiàn)有安全帽檢測算法小目標(biāo)識別效果差等問題，將EfficientDet算法［9］結(jié)合優(yōu)化預(yù)設(shè)邊框來提高小目標(biāo)的檢測精度，但該算法延遲較高。文獻［10］基于YOLOv3 算法［11-12］識別安全帽，再結(jié)合語義模板和語義規(guī)則得出安全帽佩戴的語義描述，但該方法得出的語義描述單一，缺乏句子的多樣性表達。

以上都是基于先驗框的安全帽佩戴檢測算法，由于初始先驗框的設(shè)置會對模型的識別效果有影響，因此存在很大的不確定性，導(dǎo)致訓(xùn)練模型并不能適用于不同的復(fù)雜環(huán)境［13］。本文基于沒有先驗框的目標(biāo)檢測網(wǎng)絡(luò)YOLOX-m［14］進行改進。首先簡化主干特征網(wǎng)絡(luò)結(jié)構(gòu)，在幾乎沒有精度損失的情況下，減小模型大小和降低推理延遲；然后使用改進的重參視覺幾何組（RepVGG）模塊［15］替換主干特征網(wǎng)絡(luò)中的卷積塊提升網(wǎng)絡(luò)學(xué)習(xí)能力并提升模型精度，同時在推理時利用重參化來提升推理速度；最后將空間金字塔池化（SPP）結(jié)構(gòu)替換為快速空間金字塔池化（SPPF），并取消最后一層C3Block 內(nèi)部的殘差結(jié)構(gòu)及調(diào)換順序，減少大殘差邊，加快模型推理速度，避免SPPF 處于串行卷積塊之間以影響信息流通，從而提高檢測精度。

1 YOLOX-m 網(wǎng)絡(luò)結(jié)構(gòu)

YOLOX-m 是基于Anchor Free［16］的目標(biāo) 檢測網(wǎng)絡(luò)，在YOLOv3 的基礎(chǔ)上進行改進。YOLOX-m 網(wǎng)絡(luò)結(jié)構(gòu)如圖1 所示（彩色效果見《計算機工程》官網(wǎng)HTML 版，下同）。

圖1 YOLOX-m 網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 Structure of the YOLOX-m network

YOLOX-m 網(wǎng)絡(luò)由主干特征網(wǎng)絡(luò)、特征融合網(wǎng)絡(luò)和YOLOHead 檢測頭3 個部分構(gòu)成。

主干特征網(wǎng)絡(luò)用于初始特征的提取，在CSPDarknet 的基礎(chǔ)上添加了Focus 切片結(jié)構(gòu)和空間金字塔池化結(jié)構(gòu)［17］。Focus 切片操作對圖像每隔1 個像素點取1 個值，寬高減半，類似于鄰近下采樣，輸出通道擴充4 倍，且圖像信息沒有丟失。CSPDarknet 結(jié)構(gòu)由多個ResUnit 殘差單元［18］組成，用于特征深層次的提取。SPP 結(jié)構(gòu)由3 個最大池化分支和1 個殘差映射邊組成，用于提取不同尺寸的空間特征信息，可以提升模型對于空間布局和物體不變特征的魯棒性。

特征融合層用于深層特征和淺層特征的多尺度融合，采用自底向上、自頂向下和橫向連接方式。自底向上通過逐層上采樣將深層的語義信息傳遞到淺層，再通過橫向連接與淺層特征相融合。自頂向下通過逐層下采樣特征再與自底向上每層特征橫向連接，解決自底向上中低層特征模糊的情況，彌補并加強了定位信息。

YOLOHead 輸出分類分支、回歸分支和置信度分支的值，訓(xùn)練時用于損失函數(shù)的計算。YOLOX-m有3 個檢測頭，分類分支得到目標(biāo)的預(yù)測類別，回歸分支得到目標(biāo)的坐標(biāo)偏移量，置信度分支得到預(yù)測類別的置信度值。

2 改進的YOLOX-m 網(wǎng)絡(luò)結(jié)構(gòu)

2.1 主干特征網(wǎng)絡(luò)簡化

YOLOX-m 主干特征網(wǎng)絡(luò)是基于原始的YOLOv5 的主干特征網(wǎng)絡(luò)，并未作修改，跨階段局部結(jié)構(gòu)（CSP）的重復(fù)次數(shù)為3、9、9、3，可以通過改變寬度和深度因子來控制模型大小。

為了最大化模型性能，將主干特征網(wǎng)絡(luò)的CSP減少為1、3、3、1，如圖2 所示，在精度損失0.35 個百分點的情況下降低了5.0 MB 的模型大小和2 ms 的推理延遲，其中精度損失是因為特征提取不充分導(dǎo)致的。綜合來看，主干特征網(wǎng)絡(luò)使用多個C3Block進行堆疊對模型性能只有略微的提升，相反地，少量C3Block 的堆疊已經(jīng)能夠獲取足夠多的特征信息，因此可以降低殘差塊的堆疊次數(shù)來使得重構(gòu)模型效率最大化。在將模型參數(shù)量減少20%后，簡化的主干特征網(wǎng)絡(luò)為后續(xù)的結(jié)構(gòu)改進提供了基礎(chǔ)架構(gòu)。

圖2 簡化的YOLOX-m 網(wǎng)絡(luò)結(jié)構(gòu)Fig.2 Simplified structure of the YOLOX-m network

2.2 Res-RepVGG 和SPPF模塊

原始YOLOX-m主干特征網(wǎng)絡(luò)主要由CSPDarknet網(wǎng)絡(luò)構(gòu)成，CSPDarknet 網(wǎng)絡(luò)則由一系列3×3 卷積和CSP 殘差結(jié)構(gòu)組成，CSP 殘差結(jié)構(gòu)主要用于特征的提取和組合，3×3 卷積主要用于降采樣，同時擴充特征層的通道數(shù)。一系列3×3 卷積的串聯(lián)結(jié)構(gòu)借鑒了VGG 網(wǎng)絡(luò)的思想。VGG 網(wǎng)絡(luò)主要探索了卷積神經(jīng)網(wǎng)絡(luò)性能與其深度之間的關(guān)系，采用了多個3×3 卷積替代5×5 等大卷積核來增加網(wǎng)絡(luò)的表達能力，證明了增加網(wǎng)絡(luò)的深度能夠在一定程度上影響模型最終性能，并且也能使得錯誤率大幅度下降。但隨著網(wǎng)絡(luò)的逐漸加深，深層網(wǎng)絡(luò)梯度消失問題隨之而來，殘差結(jié)構(gòu)的提出使得深層網(wǎng)絡(luò)［19］的問題得以解決。殘差化重參視覺幾何組（Res-RepVGG）結(jié)構(gòu)如圖3 所示，其在RepVGG 網(wǎng)絡(luò)的基礎(chǔ)上進行改進［27］，具體如下：

1）在VGG［20］的Block 中加入Identity 分支和 殘差分支，利用殘差結(jié)構(gòu)解決VGG 梯度消失的問題，從而構(gòu)成RepVGG，然后在RepVGG 結(jié)構(gòu)的外側(cè)增加一條映射邊，相當(dāng)于CSP 結(jié)構(gòu)，從而增加模型捕捉特征的能力，如圖3（a）所示。

2）模型推理階段，通過算子融合策略將當(dāng)前卷積核的殘差層都并入3×3 卷積核結(jié)構(gòu)，便于網(wǎng)絡(luò)部署與加速，如圖3（b）所示。

Res-RepVGG 連接方式如式（1）～式（3）所示：

其中：x是當(dāng)前層的輸入特征表示是由最外層1×1 卷積核實現(xiàn)的殘差邊是由1×1 核在Rep VGG 內(nèi)部實現(xiàn)的殘差邊表示1×1 核、3×3 核和批量正則化（BN）串聯(lián)結(jié)構(gòu)；f(x)是內(nèi)部RepVGG 結(jié)構(gòu)的輸出特征；F(x)最終由f(x)和大的殘差邊x相加得到，然后通過激活函數(shù)SiLU［21］進行非線性映射。

使用Res-RepVGG 替換原始主干特征網(wǎng)絡(luò)中的3×3 卷積核使網(wǎng)絡(luò)在訓(xùn)練時更加靈活。原先單一的3×3 卷積塊分支加上1×1 卷積塊分支與Identity 分支和殘差分支將網(wǎng)絡(luò)轉(zhuǎn)換為具有外層大殘差邊的多分支結(jié)構(gòu)，即在網(wǎng)絡(luò)中加入多條梯度流路徑。原始訓(xùn)練單個網(wǎng)絡(luò)，現(xiàn)在等價于訓(xùn)練多個網(wǎng)絡(luò)，并將多個網(wǎng)絡(luò)融合在一個網(wǎng)絡(luò)中使模型集成更簡單，最后在推理階段通過重參化降低模型推理延遲。使用Res-RepVGG 改進模型在參數(shù)量略微增加的情況下，模型檢測精度提升了0.75 個百分點，延遲下降了2 ms。

YOLOX-m 主干特征網(wǎng)絡(luò)的最后兩層為SPP 和CSPBlock，SPP 能將任意大小的特征圖轉(zhuǎn)換成固定大小的特征向量，并且可以擴大網(wǎng)絡(luò)感受野，融合不同尺度特征圖的信息，完成特征融合，但SPP 需要指定3 次卷積核的大小，且輸入數(shù)據(jù)并行進行3 次池化拼接，增加了耗時。為了進一步簡化和加速模型，使用快速空間金字塔池化（SPPF）替代SPP，SPPF 結(jié)構(gòu)如圖4 所示，只指定一個卷積核，每次池化后的輸出會成為下一個池化的輸入，再進行拼接。根據(jù)ShuffleNetv2［22］理 論，網(wǎng)絡(luò)分 支會減 小并行 度，對GPU 這種高度平行計算的設(shè)備不友好，由于SPPF 采用串行的池化方式，因此提升了模型檢測精度。將SPPF 結(jié)構(gòu)放在主干特征網(wǎng)絡(luò)的最后一層，CSPBlock移動到原先SPP 層的位置，避免之前處于串行卷積塊之間影響卷積塊間信息流通，并且最后一個CSPBlock 結(jié)構(gòu)只使用大殘差邊，在其內(nèi)部不使用殘差單元，減少了分支數(shù)，提升了模型推理速度。通過改進主干特征網(wǎng)絡(luò)最后兩層，使得模型的檢測精度提升了0.56 個百分點，延遲下降了1 ms。

Res-RepVGG 模塊和主干特征網(wǎng)絡(luò)的最后兩層CSPBlock 和SPPF 結(jié)構(gòu)改進如圖5 所示，模型參數(shù)量在增加0.31×106的情況下，精度提升了1.31%，延遲下降了3 ms。

圖5 Res-RepVGG 和SPPF 對主干特征網(wǎng)絡(luò)的改進Fig.5 Improvement of the backbone feature network by the Res-RepVGG and SPPF

在安全帽佩戴檢測數(shù)據(jù)集上模型改進前后的檢測效果對比如圖6 所示。由圖6 可以看出：改進前的YOLOX-m 檢測效果較好，且沒有漏檢的情況，包括較小的目標(biāo)，置信度達到0.8 以上；改進后的YOLOX-m 使用Res-RepVGG 模塊和主干特征簡化網(wǎng)絡(luò)作為最后兩層，檢測精度更高。

圖6 YOLOX-m 改進前后的檢測效果對比Fig.6 Comparison of detection effect before and after the YOLOX-m improvement

由此可見，改進后的YOLOX-m 在簡化主干特征網(wǎng)絡(luò)的基礎(chǔ)上，更新CSP 結(jié)構(gòu)的重疊次數(shù)為1、3、3、1，通過Res-RepVGG 和SPPF 的結(jié)構(gòu)替換，在少量增加模型參數(shù)量的情況下提高了檢測精度和推理速度，但模型大小仍低于原始YOLOX-m 模型。

3 多階段網(wǎng)絡(luò)訓(xùn)練策略

在實際生產(chǎn)過程中環(huán)境是復(fù)雜多變的，訓(xùn)練好的模型可能得到較差的檢測效果。針對域遷移差異問題［23-24］，設(shè)計一種多階段網(wǎng)絡(luò)訓(xùn)練策略來增加模型魯棒性，如圖7 所示，具體步驟如下：

圖7 多階段網(wǎng)絡(luò)訓(xùn)練策略Fig.7 Multi-stage network training strategy

1）將原缺陷絕緣子訓(xùn)練集N分為S個子訓(xùn)練集集，第Ni個子訓(xùn)練集的樣本數(shù)為MNi，其中i=0，1，…，S-1；將原缺陷絕緣子測試集C分為H個子數(shù)據(jù)集，第Cj個子數(shù)據(jù)集的樣本數(shù)為MCj，其中j=0，1，…，H-1。需要注意的是，在保證子測試集用完時，子訓(xùn)練集也使用完畢，H和S相等。

3）初始模型推理未標(biāo)記的測試集Cj得到偽標(biāo)簽數(shù)據(jù)集Pj，得到的偽標(biāo)簽數(shù)據(jù)集Pj初步具備缺陷絕緣子的位置信息，但還和真實標(biāo)簽有一定的差距，因此再結(jié)合子訓(xùn)練集Ni+1對初始模型進行微調(diào)，微調(diào)完成后得到微調(diào)模型，結(jié)合方式是在微調(diào)模型的訓(xùn)練過程中進行Mosaic 數(shù)據(jù)增強時以隨機概率K來抽取偽標(biāo)簽數(shù)據(jù)集上子訓(xùn)練集Ni+1中的圖像湊成4 張圖片，如式（6）～式（8）所示：

4）跳回步驟3）進入循環(huán)迭代，將微調(diào)模型賦予初始模型作為下一步循環(huán)中微調(diào)的模型，并且子測試集數(shù)j通過加1 遍歷到下一個子測試集Cj+（1j=0，1，…，H-1），子測試集Cj+1再結(jié)合推理得到的偽標(biāo)簽數(shù)據(jù)集Pj+1，偽標(biāo)簽數(shù)據(jù)集Pj+1結(jié)合子訓(xùn)練集Ni+1（i=0，1，…，S-1）對初始模型進行微調(diào)得到微調(diào)模型，直到遍歷完子訓(xùn)練集和子測試集，即直到子訓(xùn)練集和子測試集為NS-1和CH-1后循環(huán)迭代結(jié)束，得到最終的訓(xùn)練模型。

將改進的YOLOX-m 網(wǎng)絡(luò)模型與多階段訓(xùn)練策略相結(jié)合構(gòu)成了完整的W-YOLOX 網(wǎng)絡(luò)模型。多階段訓(xùn)練策略可以看作是一種數(shù)據(jù)增強方法，將遷移學(xué)習(xí)與偽標(biāo)簽相結(jié)合，有效降低了域遷移帶來的差異性。

4 實驗與結(jié)果分析

4.1 數(shù)據(jù)集選取和硬件配置

選取公開的安全帽佩戴檢測數(shù)據(jù)集，包含helmet 和head 2 個類別，共13 638 張 圖像，安全帽佩戴檢測數(shù)據(jù)集類別數(shù)據(jù)分布如圖8 所示。篩選前在數(shù)據(jù)集中的分布如圖8（a）所示，helmet 和head 目標(biāo)個數(shù)之比約為1∶7，數(shù)據(jù)分布不平衡，在訓(xùn)練中模型收斂困難。為了解決類別不均衡問題，篩選原始數(shù)據(jù)集，每張圖片至少含有1 個頭盔，篩選后的數(shù)據(jù)集中helmet 和head 目標(biāo)個數(shù)之比約為1∶5，篩選后在數(shù)據(jù)集中的分布如圖8（b）所示，共10 189 張圖像，在訓(xùn)練中模型收斂順利，解決了類別不均衡導(dǎo)致的模型收斂困難、精度低下的問題，并將此數(shù)據(jù)集作為基準數(shù)據(jù)集用于實驗對比。

圖8 安全帽數(shù)據(jù)集類別數(shù)據(jù)分布Fig.8 Category data distribution of safety helmet dataset

實驗硬件配置如表1 所示。

表1 硬件配置Table 1 hardware configuration

4.2 實驗設(shè)置

選用YOLOX-m 為基準模型，將數(shù)據(jù)集劃分成訓(xùn)練集、驗證集和測試集，比例為8.0∶0.5∶1.5。訓(xùn)練次 數(shù)（epoch）設(shè)置為300，訓(xùn)練批次為64，前3 個epoch 進行模型預(yù)熱，初始學(xué)習(xí)率為0.01，訓(xùn)練和測試圖像的輸入尺寸設(shè)置為416×416 像素，優(yōu)化器采用AdamW［25］，采用概率為1 的Mosaic 數(shù)據(jù)增強和概率為0.2 的Mixup 數(shù)據(jù)增強［26］，增加的實驗超參數(shù)設(shè)置如表2 所示。

表2 超參數(shù)設(shè)置Table 2 Hyperparameter setting

4.3 評價指標(biāo)選取

采用推理延遲、模型大小、平均精度均值（mAP）、召回率和精準率作為實驗評價指標(biāo)。模型推理延遲表示一張圖片輸入模型再輸出測試結(jié)果的時間，反映了模型的運行速度。模型大小表示模型參數(shù)量的數(shù)值，反映了模型容量。召回率表示樣本中有多少正例被預(yù)測正確，反映了模型的漏檢比例。精準率表示預(yù)測為正的樣本中有多少是正確的，反映了模型的錯檢比例。mAP 作為精準率和召回率的積分結(jié)果，表示模型預(yù)測目標(biāo)的準確度，一般交并比（IoU）設(shè)置為0.5，即mAP0.5，mAP0.5-0.95表示閾值為0.5～0.95的平均結(jié)果，mAP 計算如式（9）所示：

其 中：C表示類別數(shù)，分 為head 和helmet 2 個類別；表示第i個類別的精準率。

4.4 消融實驗與模型訓(xùn)練

為了證明改進方法的有效性，進行消融實驗來驗證各個功能模塊對YOLOX-m 模型性能的影響，如表3 所示。

表3 消融實驗對比Table 3 Comparison of ablation experiment

由表3 可以看出，以YOLOX-m 為基準模型對模型進行改進，+代表在之前的模型基礎(chǔ)上進行改進，原始的YOLOX-m 的召回率、精準率、mAP0.5、推理延遲和模型大小分別為85.52%、89.87%、92.15%、21 ms和25.3 MB，之后的每一次改進都至少會提升模型的某一性能指標(biāo)，基準模型通過3 次改進后，召回率、精準率和mAP0.5分別提升了1.92、2.33 和0.96 個百分點，推理延遲和模型大小分別減小了5 ms 和4.7 MB，在基準模型精度較高的前提下進一步提升了模型性能。

改進模型的訓(xùn)練過程如圖9 所示，迭代次數(shù)設(shè)置為300，以原始YOLOX-m 為基準模型進行訓(xùn)練，其召回率隨著迭代次數(shù)的增加波動較大，在90 次迭代時達到最高點，之后召回率隨迭代次數(shù)增加逐漸降低，150 次迭代為拐點，召回率逐漸增加，且精準率也在180 次迭代時達到飽和；第1 次改進（+簡化主干特征網(wǎng)絡(luò)）通過略微的精度損失換取了推理延遲和模型大小的減少，其mAP0.5、召回率和精準率與其他曲線相比均位于最低值；第2 次改進（+Res-RepVGG模塊）提高了模型精度并降低了推理延遲，可見3 個精度指標(biāo)明顯提高，其精準率和召回率在210 次迭代達到最大值，隨著訓(xùn)練迭代次數(shù)的增加，指標(biāo)值穩(wěn)定性均高于前兩個模型；第3 次改進（W-YOLOX），通過替換SPPF 模塊和對主干特征網(wǎng)絡(luò)最后兩層進行調(diào)整，使得模型的mAP0.5、推理延遲和模型大小都有所改善，其召回率和精準率也較第2 次改進有所增加，減少了模型的錯檢與漏檢。

圖9 改進模型的訓(xùn)練過程Fig.9 Training process of the improved model

在簡化的網(wǎng)絡(luò)結(jié)構(gòu)中，以W-YOLOX 為基礎(chǔ)模型的參數(shù)調(diào)整實驗如表4 所示，改進前每層CSPBlock的堆疊次數(shù)為｛3，9，9，3｝。

表4 簡化主干特征網(wǎng)絡(luò)的參數(shù)設(shè)計實驗Table 4 Parameter design experiment of simplified feature backbone network

由表4 可以看出，通過比例設(shè)置減少每層的堆疊次數(shù)構(gòu)成其他5 種參數(shù)設(shè)計，可以發(fā)現(xiàn)每一層CSPBlock 堆疊次數(shù)的減少僅有少量的精度損失，這是因為在主干特征網(wǎng)絡(luò)中只需少量卷積塊的堆疊學(xué)習(xí)到的有效特征就能達到飽和條件［11］。同樣地，多余卷積塊的堆疊僅提升了少量精度，但會導(dǎo)致模型推理延遲和參數(shù)量的顯著增加，降低網(wǎng)絡(luò)設(shè)計性能。通過消融實驗對比，當(dāng)主干特征網(wǎng)絡(luò)每層CSPBlock 的堆疊次數(shù)為｛1，3，3，1｝時，模型參數(shù)量在大幅度減少的情況下精度和速度均為最優(yōu)值。需要注意的是，中間兩層的通道信息較為豐富，當(dāng)卷積塊堆疊次數(shù)為1 次時，精度損失會加劇，模型性能急劇下降。

4.5 W-YOLOX 性能驗證

為了驗證W-YOLOX 網(wǎng)絡(luò)結(jié)構(gòu)在安全帽檢測上的性能優(yōu)勢，將其與近幾年的SOTA 模型進行對比實驗，訓(xùn)練中超參數(shù)設(shè)置采用本文設(shè)置，實驗結(jié)果如表5 所示。

表5 W-YOLOX 與現(xiàn)有模型的檢測性能對比Table 5 Comparison of detection performance between W-YOLOX and existing models

由表5 可以看出：在綜合性能指標(biāo)上，W-YOLOX相較于其他模型達到了最優(yōu)；在模型大小上，YOLOv5m 與其近似，但由于結(jié)構(gòu)冗余，召回率、準確率和mAP0.5均下降了約3 個百分點；在精度指標(biāo)上，與YOLOX-l 和PP-YOLO_MobileNetV3 相 近，但W-YOLOX 的模型大小和推理延遲都有較大幅度的下降，受益于網(wǎng)絡(luò)結(jié)構(gòu)的改進。

W-YOLOX 和YOLOv5m、PP-YOLO_MobileNetV3、YOLOX-l 在測試集上的實驗結(jié)果對比如圖10 所示，從左到右分別展示了白天小目標(biāo)、夜晚小目標(biāo)、遮擋和分類4 個場景。由圖10 可以看出，W-YOLOX 在4 個場景中檢測精度均達到最高，在夜晚小目標(biāo)檢測中相比于其他3 種模型不存在漏檢的情況，在第4 個場景中能夠識別出遠距離不戴安全帽的人，說明了W-YOLOX 能夠更好地擬合不同場景下的數(shù)據(jù)集，具有更低的訓(xùn)練損失，同時分類能力也有所提高?？梢?，W-YOLOX 適用于遮擋、分類和遠距離小目標(biāo)場景下的安全帽佩戴檢測。

圖10 W-YOLOX 與3 種模型的檢測效果對比Fig.10 Comparison of detection effects between W-YOLOX and three models

4.6 結(jié)合多階段網(wǎng)絡(luò)訓(xùn)練策略的安全帽檢測驗證

將安全帽佩戴檢測數(shù)據(jù)集中的10 189 張圖像以8.0∶0.5∶1.5 的比例劃分為訓(xùn)練集、驗證集和測試集，得到8 151 張訓(xùn)練集和1 528 張測試集，測試模型為W-YOLOX，訓(xùn)練方法采用多階段網(wǎng)絡(luò)訓(xùn)練策略且訓(xùn)練參數(shù)設(shè)置相同取值均為2。設(shè)置子集數(shù)S為1、2、3、4 和5，分為均勻拆分和非均勻拆分2 種情況，mAP0.5和mAP0.5-0.95均為最終訓(xùn)練模型的平均精度均值，實驗結(jié)果如表6 所示。

表6 多階段網(wǎng)絡(luò)訓(xùn)練實驗結(jié)果（均勻拆分）Table 6 Results of multi-stage network training experimen（tuniform split）

由表6 可以看出，當(dāng)拆分子集個數(shù)S=2 時mAP0.5達到最高值，比不拆分的mAP0.5提高了0.37 個百分點，但是當(dāng)拆分次數(shù)變多時，如當(dāng)S取3、4、5 時，訓(xùn)練精度大幅度下降，原因是拆分數(shù)據(jù)集過少所致，導(dǎo)致每一次訓(xùn)練模型時都不能學(xué)習(xí)到足夠多的特征，使用偽標(biāo)簽微調(diào)也會降低訓(xùn)練精度。

非均勻拆分實驗驗證了第1 個子訓(xùn)練集拆分多而其余子集以均勻的方式拆分的情況，實驗結(jié)果如表7 所示。

表7 多階段網(wǎng)絡(luò)訓(xùn)練實驗結(jié)果（非均勻拆分）Table 7 Results of multi-stage network training experimen（tnon-uniform split）

在 表7 中，MN0和MC0表示第1 個子訓(xùn) 練集或者子測試集的數(shù)量，其值為訓(xùn)練集或者測試集的3/2；MNi和MCj表示第i個子訓(xùn)練集或者子測試集的數(shù)量，其中i不等于0，其值的計算如式（10）所示。當(dāng)拆分數(shù)量為3 時，mAP0.5達到最大值，比不拆分提高了0.72 個百分點，也高于均勻拆分的最高精度，說明第1 次訓(xùn)練的模型對后面的訓(xùn)練影響較大，當(dāng)初始模型學(xué)習(xí)了足夠多的特征后有利于后面的數(shù)據(jù)訓(xùn)練，且當(dāng)S取4、5 時，mAP0.5-0.95均高于不拆分的相同指標(biāo)，證明了多階段網(wǎng)絡(luò)訓(xùn)練策略可以提高模型魯棒性。

表8 α 對W-YOLOX 模型性能的影響Table 8 Effect of α on W-YOLOX model performance

為了驗證多階段網(wǎng)絡(luò)訓(xùn)練后模型的測試魯棒性，在訓(xùn)練迭代過程的驗證集上W-YOLOX 和多階段訓(xùn)練策略+W-YOLOX 的損失變化曲線如圖11 所示。在訓(xùn)練初始階段，后者損失值低了近1 個百分點，在40 次迭代后，多階段訓(xùn)練策略的優(yōu)勢逐漸顯現(xiàn)，使驗證集損失值降低并保持在最低水平上，提高了在不同域的新場景數(shù)據(jù)集上的檢測精度。

圖11 非均勻拆分的多階段網(wǎng)絡(luò)訓(xùn)練實驗結(jié)果（S=3）Fig.11 Experiment results of multi-stage network training with non-uniform spli（tS=3）

5 結(jié)束語

為了進一步提升現(xiàn)有安全帽檢測算法的檢測精度與速度，本文建立一種基于多階段網(wǎng)絡(luò)訓(xùn)練策略的改進YOLOX-m 模型，通過簡化并重新設(shè)計主干特征網(wǎng)絡(luò)結(jié)構(gòu)，在降低模型推理延遲和減小模型大小的同時提高了檢測精度，并結(jié)合多階段網(wǎng)絡(luò)訓(xùn)練策略提升改進模型在不同場景下的檢測能力來最大化模型性能。實驗結(jié)果表明，與其他相同規(guī)模的模型相比，改進YOLOX-m 模型的各項評價指標(biāo)均有所提升。由于多階段訓(xùn)練使用的數(shù)據(jù)集場景較為單一，在后續(xù)工作中將增加暗光、雨雪等條件下的惡劣場景數(shù)據(jù)集，進行復(fù)雜場景下的安全帽佩戴檢測研究。