来源：期刊VIP网 时间：
作者：尹向雷;苏妮;解永芳;屈少鹏;
单位：陕西理工大学电气工程学院;
摘要：为解决现有的安全帽检测算法对密集小目标的检测精度低的问题，提出一种基于坐标注意力和软化非极大值抑制的安全帽检测算法。引入坐标注意力机制，聚焦训练安全帽相关目标特征以提高准确率。采用软化非极大值抑制算法对候选框的置信度进行优化，提升模型对密集小目标的检测精度。通过WIoU优化边界框损失函数，使得模型聚焦于困难样例而减少简单示例对损失值的贡献，提升模型的泛化性能。实验结果表明：与基准模型YOLOv5s相比，所提算法的mAP@0.5达到88.4%，提升了3.0%;mAP@0.5:0.95达到65.6%，提升了6.8%；在召回率和准确率上分别提升了2.4%和0.5%。所提算法为密集小目标的检测提供了一定参考。
关键词：安全帽检测;;坐标注意力机制;;软化非极大值抑制;;YOLOv5s;;WIoU;;边界框损失函数
基金资助：国家自然科学基金一般面上项目（62176146）;; 陕西省教育厅重点科学研究计划项目（20JS018）;; 陕西理工大学人才启动专项（SLGRCQD2114）
