본 연구는 안전모 탐지를 위한 새로운 프레임워크를 제안한다. 이 프레임워크는 YOLOv5 모델을 기반으로 하며, 다음과 같은 핵심 구성 요소를 포함한다:
GhostNetv2 기반의 경량 특징 추출 네트워크 백본: GhostNetv2는 파라미터와 계산량을 크게 줄이면서도 성능 저하를 최소화한다.
주목 메커니즘 통합: Spatial Channel-wise Attention (SCNet)과 Coordinate Attention을 백본과 목 부분에 통합하여 관련 정보에 집중할 수 있도록 한다.
GAM 최적화기 적용: 일반화 성능을 향상시키기 위해 Gradient Norm Aware 최적화기를 사용한다.
실험 결과, 제안된 프레임워크는 기존 YOLOv5 대비 25% 이상의 파라미터 감소와 2%의 mAP 성능 향상을 달성했다. 또한 다양한 데이터셋에서 우수한 일반화 성능을 보였다. 이를 통해 안전 관리 및 산업 현장에서 효과적으로 활용될 수 있을 것으로 기대된다.
إلى لغة أخرى
من محتوى المصدر
arxiv.org
الرؤى الأساسية المستخلصة من
by Shuqi Shen,J... في arxiv.org 05-07-2024
https://arxiv.org/pdf/2405.02591.pdfاستفسارات أعمق