基于改進(jìn)YOLOv5 的工程著裝檢測(cè)算法

李敏芳

（昆明理工大學(xué)信息工程與自動(dòng)化學(xué)院）

檢測(cè)建筑工地上作業(yè)人員是否按要求佩戴安全帽、穿反光衣，是保障作業(yè)人員安全的重要事項(xiàng)之一。 2000年，國(guó)家發(fā)布了《勞動(dòng)防護(hù)用品配備標(biāo)準(zhǔn)》，2017年發(fā)布了《安全生產(chǎn)標(biāo)準(zhǔn)“十三五”發(fā)展規(guī)劃》，針對(duì)不同行業(yè)制定了防護(hù)安全標(biāo)準(zhǔn)。但這些強(qiáng)制標(biāo)準(zhǔn)不能保證作業(yè)人員落實(shí)安全著裝，因此很多作業(yè)現(xiàn)場(chǎng)就不得不以人工監(jiān)督這種原始的方式加以督促。

隨著計(jì)算機(jī)視覺(jué)技術(shù)的發(fā)展，設(shè)計(jì)以目標(biāo)檢測(cè)算法［1］為核心的智能監(jiān)管系統(tǒng)，可以克服人工監(jiān)督效率低下和成本過(guò)高的問(wèn)題。 目標(biāo)檢測(cè)技術(shù)是指在獲得圖片時(shí)自動(dòng)檢測(cè)圖片上物體的位置和類別，可分為3個(gè)步驟：首先，對(duì)需要檢測(cè)的區(qū)域進(jìn)行定位；然后提取目標(biāo)特征；最后將特征傳給算法分類器，例如Adaboost［2］、支持向量機(jī)［3］及隨機(jī)森林［4］等，對(duì)目標(biāo)類別進(jìn)行判斷。 2012年之前，主要是利用傳統(tǒng)目標(biāo)檢測(cè)方法進(jìn)行這類實(shí)驗(yàn)和應(yīng)用；之后，目標(biāo)檢測(cè)引入了深度學(xué)習(xí)的思想來(lái)優(yōu)化傳統(tǒng)算法，但是當(dāng)前針對(duì)工程安全著裝的算法基本都是在網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜的二階算法模型上實(shí)現(xiàn)的， 即以犧牲一定的檢測(cè)速度來(lái)提高精確度， 而且并未就圖像中的小目標(biāo)物體進(jìn)行處理，導(dǎo)致一定的漏檢和誤檢。 傳統(tǒng)目標(biāo)檢測(cè)方法存在計(jì)算效率低下和準(zhǔn)確率低的問(wèn)題。

隨著卷積神經(jīng)網(wǎng)絡(luò)的不斷發(fā)展，目標(biāo)檢測(cè)技術(shù)在圖片提取特征方面有了明顯提高。 很多學(xué)者在神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上提出諸如R-CNN、Fast RCNN、Faster R-CNN［5］等優(yōu)秀的目標(biāo)檢測(cè)方法。 在工程安全方面，2017年中南大學(xué)的畢林采用深度卷積神經(jīng)網(wǎng)絡(luò)（CNN）在Caffe框架下對(duì)礦山環(huán)境中工人安全帽的佩戴情況進(jìn)行檢測(cè)， 在500輪訓(xùn)練后取得了約79%的檢測(cè)精度；文獻(xiàn)［6］用目標(biāo)檢測(cè)算法Faster R-CNN對(duì)安全帽佩戴情況進(jìn)行檢測(cè)，取得了約84%的平均精度，但網(wǎng)絡(luò)深度大的二階算法會(huì)導(dǎo)致訓(xùn)練速度較慢，在工程安全對(duì)于時(shí)效性非?？粗氐那闆r下，就把目光轉(zhuǎn)向了基于回歸的一階算法 （如SDD、YOLO系列等） 模型。YOLOv1［7］是YOLO系列的第1個(gè)版本，把目標(biāo)檢測(cè)問(wèn)題轉(zhuǎn)換成了回歸問(wèn)題，也就是讓它直接回歸到物 體 的 類 別 概 率 和 位 置 坐 標(biāo) 值。 YOLOv2［8］在YOLOv1 的基礎(chǔ)上引入了Anchor 機(jī)制和Batch Normalization，并且使用Darknet-19替代原來(lái)的網(wǎng)絡(luò) 結(jié) 構(gòu)。 2018 年，Redmon 提 出 了YOLOv3，用Darknet-53替代了Darknet-19， 由此YOLOv3可以實(shí)現(xiàn)多尺度檢測(cè)，并且利用邏輯回歸方法替代了YOLOv2的Softmax來(lái)實(shí)現(xiàn)分類。 2019年，施輝采用圖像金字塔（Image Pyramid），通過(guò)提取多種尺度的特征圖，結(jié)合YOLOv3進(jìn)行安全帽佩戴的檢測(cè)。YOLOv4［9］保留了YOLOv3的頭部部分，將主干網(wǎng)絡(luò)換成了CSPDarknet-53 （Darknet-53和CSPNet的結(jié)合體），并且使用空間金字塔池化（SPP）［10］增加感受野，在YOLOv3的FPN［11］的基礎(chǔ)上對(duì)PAN［12］使用張量連接， 以此為頸部作為參數(shù)聚合的方法。2020 年6 月10 日YOLOv5 發(fā) 布，YOLOv5 模 型 比YOLOv4小近90%，但在整體計(jì)算速度上提高了很多， 同時(shí)檢測(cè)精確度卻沒(méi)有YOLOv4 的高，YOLOv5由輸入端、主干網(wǎng)絡(luò)、頸部和檢測(cè)端4部分組成。 YOLOv5的主干網(wǎng)絡(luò)主要由Focus結(jié)構(gòu)和CSP結(jié)構(gòu)組成，F(xiàn)ocus結(jié)構(gòu)是在YOLOv5中新增加的一個(gè)操作，重點(diǎn)是切片。 頸部位于主干網(wǎng)絡(luò)和預(yù)測(cè)之間， 使用FPN-PAN結(jié)構(gòu)、CSP2結(jié)構(gòu)和PAN來(lái)聚合特征，增加特征的融合能力。

工程安全著裝檢測(cè)面臨的挑戰(zhàn)［13］主要是：安全帽這類小目標(biāo)在圖片中占比過(guò)小， 特征不明顯； 卷積神經(jīng)網(wǎng)絡(luò)的多次下采樣導(dǎo)致安全帽等小目標(biāo)特征丟失問(wèn)題。 在針對(duì)目標(biāo)檢測(cè)的小目標(biāo)識(shí)別上，可以簡(jiǎn)略地考慮分為Anchor-based的改進(jìn)以及Anchor-free的改進(jìn)。 YOLOv5是一個(gè)Anchor-based模型，并且YOLOv5含有多層卷積神經(jīng)網(wǎng)絡(luò)， 因此就YOLOv5 的模型特征考慮：在Anchor機(jī)制上進(jìn)行優(yōu)化； 在整個(gè)網(wǎng)絡(luò)結(jié)構(gòu)上優(yōu)化。 筆者先利用遺傳算法對(duì)Anchor機(jī)制優(yōu)化錨框，克服自適應(yīng)Anchor機(jī)制過(guò)于依賴初始聚類中心的問(wèn)題； 然后在網(wǎng)絡(luò)結(jié)構(gòu)里嵌入輕量級(jí)的注意力機(jī)制模塊ECAnet［14］，以提高整體模型提取重要信息特征的能力以及對(duì)安全帽等小目標(biāo)的檢測(cè)能力。

1 模型改進(jìn)策略

Anchor機(jī)制能夠產(chǎn)生大量密集錨框， 可以通過(guò)設(shè)計(jì)更符合安全帽等小目標(biāo)、尺度和長(zhǎng)寬比不同的錨框來(lái)覆蓋盡可能多的有效感受野，在此基礎(chǔ)上， 網(wǎng)絡(luò)可以進(jìn)行目標(biāo)分類和預(yù)測(cè)框坐標(biāo)回歸， 并且密集錨框?qū)W(wǎng)絡(luò)的召回能力有一定提高，這對(duì)目標(biāo)識(shí)別有很大的優(yōu)勢(shì)。

YOLOv5原來(lái)使用自適應(yīng)錨框計(jì)算， 模型受初始設(shè)定的影響， 不一定適用于現(xiàn)在的數(shù)據(jù)集，因此引入遺傳算法優(yōu)化錨框。 YOLOv5是一個(gè)提取多尺度特征圖的模型，會(huì)提取出不同深度的特征圖。 對(duì)于不同深度的特征圖，深層特征具有更多的語(yǔ)義信息和抽象信息，淺層特征保留了更多的空間信息。 因此，深層特征圖缺乏目標(biāo)的細(xì)粒度信息， 而淺層特征圖會(huì)有語(yǔ)義信息不足的問(wèn)題。 筆者引入ECAnet模塊來(lái)高效融合不同層次的特征信息， 不僅增加淺層特征圖的語(yǔ)義信息，也增加了深層特征圖的細(xì)顆粒信息，也即總體增強(qiáng)了安全帽等小目標(biāo)細(xì)節(jié)特征的同時(shí)保留了它們的邊緣信息， 提高了整體網(wǎng)絡(luò)的特征提取能力。改進(jìn)后的YOLOv5結(jié)構(gòu)如圖1所示。

圖1 改進(jìn)后的YOLOv5模型結(jié)構(gòu)

1.1 基于遺傳算法對(duì)自適應(yīng)錨框的優(yōu)化

Anchor機(jī)制最初是在Faster R-CNN 中提出的，目標(biāo)是處理圖像尺寸和長(zhǎng)寬比的大規(guī)模變化問(wèn)題，規(guī)劃規(guī)范的預(yù)測(cè)框型號(hào)以減少冗雜的計(jì)算量。

YOLOv5模型中是自適應(yīng)錨框算法， 加入遺傳算法進(jìn)行優(yōu)化，利用預(yù)設(shè)錨框?qū)︻A(yù)測(cè)框計(jì)算寬長(zhǎng)比， 取寬長(zhǎng)比最小值和9個(gè)錨框中最大的比例值， 原本的k-means算法是利用歐式距離作為度量， 本研究采用交并比（Intersection over Union，IoU）替代歐式距離計(jì)算聚類。 遺傳算法的流程如圖2所示，將最大可能召回率（best possible recall）作為指標(biāo)， 首先利用默認(rèn)的錨框計(jì)算出寬高，并對(duì)比真實(shí)框的寬高差距計(jì)算交并比，利用k-means算法不斷更新錨框大小， 最終得到最佳的9個(gè)錨框值；然后計(jì)算最大可能召回率，如果最大可能召回率大于0.98就直接輸出， 如果小于0.98則進(jìn)入遺傳算法。

圖2 遺傳算法流程

遺傳算法主要是對(duì)參數(shù)的編碼進(jìn)行操作，不影響參數(shù)本身，從族群出發(fā)，不是只關(guān)注在特定點(diǎn)上，因此可以防止過(guò)程收斂在局部最優(yōu)，它的規(guī)則是由概率決定，而非一個(gè)確定的答案。 本研究選擇遺傳算法的過(guò)程只經(jīng)過(guò)了選擇和變異的過(guò)程。 具體操作過(guò)程：首先對(duì)根據(jù)聚類選出來(lái)的n個(gè)點(diǎn)進(jìn)行隨機(jī)突變，利用適應(yīng)度函數(shù)（mAP@.5和mAP@.5：.95的比例為1∶9） 選出突變后最佳的錨框值，計(jì)算最大可能召回率，如果大于0.98則直接輸出，如果小于0.98就進(jìn)入下一次迭代。

1.2 基于注意力機(jī)制優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)

為了讓模型獲得關(guān)于需要注意的目標(biāo)的更詳細(xì)的信息，并抑制來(lái)自不同通道的其他無(wú)用信息，考慮利用注意力機(jī)制。 在之前的注意力機(jī)制的研究中，大多現(xiàn)有方法都致力于開(kāi)發(fā)更復(fù)雜的注意力模塊，以獲得更好的性能，這不可避免地增加了模型的復(fù)雜性。 為了能夠保留YOLOv5輕量級(jí)的優(yōu)勢(shì)，本研究引入一個(gè)高效信道注意ECA模塊（ECAnet），該模塊只涉及少量參數(shù)，同時(shí)帶來(lái)明顯的性能增益。

ECAnet是 在SEnet［15］的 基礎(chǔ) 上 進(jìn)行 優(yōu) 化 后 的版本。 SEnet是注意力機(jī)制的經(jīng)典算法，在給定輸入特征之后，SEnet為每個(gè)通道采用全局平均池化（GAP），之后利用非線性的全連接層（FC）和Sigmoid函數(shù)來(lái)獲取通道的權(quán)重。 其中，全連接層是為了獲得非線性的跨通道交互，與降維和控制復(fù)雜度有關(guān)。 研究發(fā)現(xiàn)，降維會(huì)對(duì)預(yù)測(cè)帶來(lái)負(fù)面影響， 并且對(duì)通道間的關(guān)系也沒(méi)有較明顯的作用，因此不同于SEnet，ECAnet去掉了SEnet中使用的兩個(gè)為了獲取跨通道權(quán)值、降維的FC層。如圖3所示，ECAnet在不降低維度的情況下進(jìn)行了全局平均池化， 利用當(dāng)前通道和它的k個(gè)相鄰?fù)ǖ纴?lái)進(jìn)行本地跨通道交互。 具體操作：特征圖輸入在進(jìn)入全局平均池化的聚合特性后，ECAnet用一維卷積替代SEnet中的FC層快速生成通道權(quán)值，其中k為卷積核大小，作為參數(shù)進(jìn)行通道間的交互。

圖3 ECAnet模塊結(jié)構(gòu)

ECAnet使用一個(gè)矩陣Wk來(lái)學(xué)習(xí)通道注意力，Wk的計(jì)算式為：

可以看出Wk涉及k×c個(gè)參數(shù)。

權(quán)值ωi的計(jì)算式為：

其中，yi的權(quán)值只考慮yi和它的k個(gè)鄰居通道直接的交互；σ為Sigmoid函數(shù)；Ω為y的集合。

假設(shè)所有通道共享相同的學(xué)習(xí)參數(shù)，那么就簡(jiǎn)化了式（2），得到：

上述過(guò)程可以簡(jiǎn)略地利用一個(gè)大小為k的卷積核一維卷積實(shí)現(xiàn)：

其中，C1D是一維卷積。

式（4）由ECAnet調(diào)用，它只涉及k個(gè)參數(shù)。k值可通過(guò)通道維度量C的函數(shù)自適應(yīng)地確定， 計(jì)算式為：

其中，｜·｜odd指選擇最近的奇數(shù)；γ的值取2，b取1。

卷積神經(jīng)網(wǎng)絡(luò)對(duì)小目標(biāo)特征提取過(guò)程中的特征不斷降維縮小會(huì)導(dǎo)致小目標(biāo)的信息損失，選擇在卷積網(wǎng)絡(luò)這邊嵌入ECAnet以增強(qiáng)小目標(biāo)信息，通過(guò)網(wǎng)絡(luò)結(jié)構(gòu)“Conv+BN+ECAnet+LeakyRe-LU”在網(wǎng)絡(luò)學(xué)習(xí)中捕獲不同通道的權(quán)重參數(shù)，更多地保留小目標(biāo)的細(xì)節(jié)信息，強(qiáng)化重要信息并抑制非重要信息。 具體結(jié)構(gòu)如圖4所示。

圖4 ECAnet嵌入位置

2 實(shí)驗(yàn)與分析

2.1 實(shí)驗(yàn)

2.1.1 數(shù)據(jù)集

本研究涉及的數(shù)據(jù)集包括：coco2017公開(kāi)數(shù)據(jù)集和私有數(shù)據(jù)集。 其中包括了不同人體朝向（正面、背面、側(cè)面、上半身）在不同場(chǎng)景（室內(nèi)、室外）及不同密度（單人、多人）等情況，并劃分出3 004張訓(xùn)練集和400張驗(yàn)證集。

2.1.2 環(huán)境配置

Windows 10操作系統(tǒng)，Pytorch框架Python語(yǔ)言完成模型的訓(xùn)練。 測(cè)試設(shè)備CPU型號(hào)11th Gen Intel（R）Core（TM）i5-11400@2.60 GHz，GPU 型 號(hào)NVIDIA GeForce RTX 3060，內(nèi)存16 G，軟件環(huán)境CUDA 11.4，CUDNN 7.6，Python3.8。

2.1.3 性能指標(biāo)

精確率P是計(jì)算預(yù)測(cè)正確的比率，召回率R是正確找到目標(biāo)的比率。

本研究引入精確率和召回率作為衡量是否準(zhǔn)確找到目標(biāo)物體的基礎(chǔ)，計(jì)算式為：

其中，TP指將正樣本預(yù)測(cè)為正，F(xiàn)P指將負(fù)樣本預(yù)測(cè)為正，F(xiàn)N指將負(fù)樣本預(yù)測(cè)為負(fù)。

平均精確度AP（AveragePrecision）的計(jì)算式為：

AP是由R作為橫坐標(biāo)和P作為縱坐標(biāo)的積分，即PR曲線下方的面積，它的取值范圍在0～1。

mAP（mean Average Precision）表示每個(gè)類AP的平均值，用作多類標(biāo)簽預(yù)測(cè)的指標(biāo)，計(jì)算式為：

其中，QR指的是分類的數(shù)量。

IoU的計(jì)算如圖5所示，可以看出IoU是預(yù)測(cè)框與真實(shí)框之間的交集與并集的一個(gè)比值，這個(gè)值的大小可以反映檢測(cè)效果。

圖5 IoU計(jì)算示意圖

mAP@.5的含義是當(dāng)IoU為0.5時(shí)的mAP值；mAP@.5：.95指的是在不同IoU （從0.50到0.95，步長(zhǎng)0.05）上mAP的平均值。

2.2 實(shí)驗(yàn)步驟

本研究首先將數(shù)據(jù)集轉(zhuǎn)換成YOLOv5可以處理的格式。

為了設(shè)計(jì)出更優(yōu)化的YOLOv5模型， 筆者對(duì)YOLOv5 構(gòu)建的不同深度和寬度的模型（YOLOv5s、YOLOv5m、YOLOv5l和YOLOv5x）進(jìn)行了實(shí)驗(yàn)和對(duì)比。 通過(guò)實(shí)驗(yàn)選擇出最適合的基準(zhǔn)模型，然后針對(duì)基準(zhǔn)模型進(jìn)行優(yōu)化和改進(jìn)。

本研究在YOLOv5常用的4種模型上的超參初始設(shè)置：迭代次數(shù)1 000代；初始學(xué)習(xí)率0.01；余弦退火值0.2；動(dòng)量（momentum）0.937；batchsize為4。

為了讓模型提前熟悉一下數(shù)據(jù)集，如果使用較大的學(xué)習(xí)率會(huì)導(dǎo)致整個(gè)模型振蕩， 選擇warmup預(yù)熱會(huì)比較快地使模型穩(wěn)定，因此這里設(shè)置的是3代小學(xué)習(xí)率warm-up訓(xùn)練。

2.2.1 4種模型對(duì)比實(shí)驗(yàn)

圖6是目標(biāo)物體的位置和大小分布。 從圖6a中可以看出目標(biāo)物體的分布比較均勻， 說(shuō)明所選數(shù)據(jù)集在目標(biāo)物體的位置信息上具有泛化性。 圖6b是目標(biāo)物在整個(gè)圖像中所占寬高比， 可以看出數(shù)據(jù)集中的目標(biāo)物體在圖像上的占比大部分偏小。

圖6 目標(biāo)物體的位置和大小分布

小目標(biāo)的定義即指圖片上占比過(guò)小或像素點(diǎn)稀疏的目標(biāo)物，因此此數(shù)據(jù)集屬于小目標(biāo)檢測(cè)范疇。

當(dāng)一個(gè)模型擁有越復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)，可能會(huì)獲得更高的檢測(cè)精確度， 但其相對(duì)參數(shù)也越多，訓(xùn)練所需時(shí)間也越長(zhǎng)。 模型如果過(guò)于復(fù)雜，未必能在小目標(biāo)樣本上得到最優(yōu)結(jié)果，而且復(fù)雜模型的權(quán)重相對(duì)較高，計(jì)算量也更大。

筆者先針對(duì)YOLOv5s、YOLOv5m、YOLOv5l和YOLOv5x對(duì)本數(shù)據(jù)集進(jìn)行訓(xùn)練。 不同模型的各項(xiàng)指標(biāo)見(jiàn)表1， 其中深度指網(wǎng)絡(luò)的深度也就是通道的系數(shù)， 在后面計(jì)算時(shí)需將通道數(shù)乘以該系數(shù)；寬度是指網(wǎng)絡(luò)的寬度， 也就是BottleneckCSP模塊的層縮放系數(shù)，需將每一層的卷積核數(shù)量乘以該系數(shù)。 隨著模型復(fù)雜度加深，模型參數(shù)也越來(lái)越多，GFLOPS（每秒千兆浮點(diǎn)運(yùn)算次數(shù)）也越高，對(duì)于GPU的內(nèi)存需求也就越大。

表1 4種模型指標(biāo)參數(shù)

4種模型訓(xùn)練過(guò)程的對(duì)比如圖7所示，可以看出，模型的性能表現(xiàn)跟其結(jié)構(gòu)的復(fù)雜程度是成正比的，損失值越小，說(shuō)明錯(cuò)漏檢測(cè)的情況越少，在理想狀態(tài)下，希望這個(gè)值越接近0越好。由圖7a可以看出， 模型損失隨著訓(xùn)練的進(jìn)行逐漸下降，在訓(xùn)練了500代后基本穩(wěn)定接近10%， 最終達(dá)到10%以下。 由圖7b可以看出，mAP@.5的值在訓(xùn)練了200代之后逐漸穩(wěn)定，最終接近90%。還可以看出，4個(gè)模型的最終精確度非常接近。在實(shí)際應(yīng)用過(guò)程中，除了要考慮模型效果，還應(yīng)該考慮硬件是否比較容易達(dá)到， 這樣才能推廣并降低成本。YOLOv5x模型對(duì)于CPU內(nèi)存的需求將近YOLOv5s的3倍多，可見(jiàn)，模型越復(fù)雜，對(duì)計(jì)算機(jī)的性能要求也越高。

圖7 4種模型訓(xùn)練過(guò)程對(duì)比

將4個(gè)模型在測(cè)試集上得到的數(shù)據(jù)和訓(xùn)練集上訓(xùn)練的數(shù)據(jù)結(jié)合，得到表2（表中“檢測(cè)速度”指檢測(cè)一次所花費(fèi)的時(shí)間），可以看出，模型越復(fù)雜，能夠獲得的精確度也越高， 但是付出的時(shí)間代價(jià)也越大。 在精確度相差不大的情況下，YOLOv5x所需的檢測(cè)時(shí)間是YOLOv5s的3倍多，YOLOv5x所花費(fèi)的檢測(cè)時(shí)間以及訓(xùn)練時(shí)長(zhǎng)都遠(yuǎn)多于YOLOv5s。在實(shí)際生產(chǎn)過(guò)程中， 目標(biāo)檢測(cè)對(duì)于實(shí)時(shí)性要求很高，越快速地檢測(cè)出目標(biāo)物體越好。 因此，在精確度相差不大的情況下， 選擇YOLOv5s作為工程應(yīng)用的最佳檢測(cè)模型比較符合實(shí)際。

表2 4種模型在測(cè)試集上的性能對(duì)比

2.2.2 改進(jìn)后的模型和YOLOv5s模型的對(duì)比實(shí)驗(yàn)

圖8是優(yōu)化前、 后模型的訓(xùn)練過(guò)程對(duì)比，“YOLOv5s+ECA” 為YOLOv5s 經(jīng) 由 遺 傳 算 法 和ECAnet優(yōu)化后的模型。 由圖8a可以看出，總的損失在前100代左右是急速下降的， 之后擬合狀態(tài)良好，逐漸趨于緩和，優(yōu)化后的模型在總的損失值上的表現(xiàn)比基準(zhǔn)模型更加優(yōu)秀，更接近于0。 由圖8b可以看出，平均精確度隨著訓(xùn)練迭代次數(shù)的加大而增加， 在100代左右就達(dá)到了比較好的擬合狀態(tài)，后面逐漸趨于穩(wěn)定，平均精確度在訓(xùn)練到200代時(shí)已經(jīng)能夠達(dá)到比較高的精確率， 接近90.00%。

圖8 改進(jìn)后的模型和YOLOv5s模型的對(duì)比

在對(duì)比了訓(xùn)練模型之后，為了驗(yàn)證優(yōu)化模型的效果是否到達(dá)預(yù)期，將優(yōu)化后的模型和基準(zhǔn)模型在測(cè)試集上進(jìn)行實(shí)驗(yàn)，結(jié)果見(jiàn)表3，可以看出，改進(jìn)后的模型在原來(lái)的基礎(chǔ)上召回率提高了3.82%，mAP@.5提高了0.73%，mAP@.5：.95提高了1.00%。 也就是說(shuō)在檢測(cè)速度差不多的情況下，引入ECAnet和遺傳算法提高了整體檢測(cè)精度。

表3 改進(jìn)后模型與YOLOv5s模型在測(cè)試集上的性能對(duì)比

圖9為改進(jìn)后的模型和基準(zhǔn)模型的檢測(cè)效果對(duì)比， 可以明顯看出優(yōu)化后的模型相較于原模型在精確度上有一定的提高。 YOLOv5s模型能夠準(zhǔn)確地檢測(cè)出大尺度目標(biāo)， 但是在檢測(cè)被遮擋的小尺度目標(biāo)時(shí)出現(xiàn)了錯(cuò)漏； 改進(jìn)后的模型對(duì)小尺度目標(biāo)的檢測(cè)效果更好，錯(cuò)漏情況更少。證明改進(jìn)模型在復(fù)雜場(chǎng)景下，相較于YOLOv5s模型，對(duì)于小尺度目標(biāo)具有更高的檢測(cè)精度、定位精度和魯棒性。

圖9 改進(jìn)前、后模型的檢測(cè)效果對(duì)比

3 結(jié)束語(yǔ)

為了適應(yīng)小尺度目標(biāo)的特征， 對(duì)YOLOv5s的Anchor機(jī)制利用IoU替代歐式距離作為k-means算法的度量，然后進(jìn)行遺傳算法的流程優(yōu)化，增強(qiáng)模型的收斂效果。 為了削減卷積神經(jīng)網(wǎng)路在特征提取過(guò)程中對(duì)安全帽等小目標(biāo)特征的丟失現(xiàn)象，筆者在骨干網(wǎng)絡(luò)中嵌入ECAnet，利用ECAnet對(duì)不同通道進(jìn)行加權(quán)以更好地專注在重要通道上的特點(diǎn)，可以提高整個(gè)模型的特征提取能力，減少整個(gè)模型的計(jì)算量。與原YOLOv5s模型相比，優(yōu)化后的模型召回率增加了3.82%，mAP@.5增加了0.73%，mAP@.5：.95增加了1.00%。 相關(guān)實(shí)驗(yàn)也證明改進(jìn)模型在各種常見(jiàn)建筑作業(yè)下，對(duì)于不同姿勢(shì)和服裝顏色都能夠做出準(zhǔn)確的識(shí)別，證實(shí)了模型的普適性和魯棒性。

在接下來(lái)的研究工作中，會(huì)繼續(xù)針對(duì)小目標(biāo)特征進(jìn)行模型改進(jìn)， 并在不同數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，以期得到性能更好、應(yīng)用更廣泛的模型。