针对施工现场环境复杂,基于YOLOv3的安全帽佩戴检测算法存在精度低、鲁棒性差等问题,提出一种改进YOLOv3的安全帽佩戴检测算法。使用K-means算法聚类出先验框,改进了网络输出尺度;并在输出端引入了跳跃连接构成残差模块;同时改进分类损失函数以平衡正负样本、难易样本对模型的影响。为验证该方法的有效性,在NVIDIA GTX1660Ti平台上进行了验证,实验结果表明,改进后的YOLOv3安全帽佩戴检测算法平均准确率提高了4. 84%,提升了对被遮挡的目标以及小目标的检测能力,具有较强的鲁棒性。

1 YOLOv3简介
1.1 网络结构
1.2 边框预测
1.3 损失函数
2 YOLOv3改进
2.1 输出尺度改进
2.2 引入残差模块
2.3 损失函数改进
3 实验结果与分析
3.1 训练
3.2 测试
4 结论