本研究では、安全ヘルメット検出のための新しいフレームワークを提案している。主な特徴は以下の通りである:
GhostNetv2ベースのライトウェイトな特徴抽出ネットワークバックボーンを採用し、パラメータ数とFLOPSを25%以上削減しつつ、mAP(平均精度)を2%向上させた。
空間チャンネル注意力ネットワーク(SCNet)と座標注意力ネットワーク(CANet)などの注意力メカニズムをYOLOv5のバックボーンとネックに統合することで、グローバルおよびローカルな特徴を効果的に捉えることができ、ヘルメット検出精度を向上させた。
一般化性能を高めるためにGradient Norm Aware(GAM)オプティマイザーを採用した。これにより、複雑な環境下でも高い適応性を発揮する。
実験結果から、提案手法はパラメータ数を大幅に削減しつつ、高精度なヘルメット検出を実現できることが示された。また、注意力メカニズムとGAMオプティマイザーの統合により、一般化性能も大幅に向上していることが確認された。
To Another Language
from source content
arxiv.org
Djupare frågor