Chinese Journal of Liquid Crystals and Displays, Volume. 38, Issue 7, 964(2023)
Improved lightweight helmet wear detection algorithm
Figures & Tables(16)
Fig. 9. Results of visualisation analysis in a rainfall environment
Table 1. YOLOv5-Q backbone extraction network structure
View tableView in ArticleTable 1. YOLOv5-Q backbone extraction network structure
From Number Params Module Arguments -1 1 232 Conv ［3，8，3，2，1］ -1 1 476 GhostBottleneck ［8，8，16，3，1］ -1 1 2 280 GhostBottleneck ［8，16，48，3，2］ -1 1 2 428 GhostBottleneck ［16，16，72，3，1］ -1 1 6 914 GhostBottleneck ［16，24，72，3，2］ -1 1 12 318 GhostBottleneck ［24，24，120，3，1］ -1 1 15 684 GhostBottleneck ［24，40，240，3，2］ -1 1 10 608 GhostBottleneck ［40，40，184，3，1］ -1 1 149 404 GhostBottleneck ［40，56，480，3，1］ -1 1 150 452 GhostBottleneck ［56，56，480，3，1］ -1 1 295 880 GhostBottleneck ［56，80，672，3，2］ -1 1 91 880 GhostBottleneck ［80，80，960，3，1］ -1 1 553 880 GhostBottleneck ［80，80，960，3，1］ -1 1 91 880 GhostBottleneck ［80，80，960，3，1］ -1 1 553 880 GhostBottleneck ［80，80，960，3，1］ -1 1 39 360 Conv ［80，480］
Table 2. Comparison results of YOLOv5m and lightweight model
View tableView in ArticleTable 2. Comparison results of YOLOv5m and lightweight model
算法 参数量 模型大小/MB mAP YOLOv5m 20 856 975 42.17 0.949 轻量级模型 12 187 951 24.93 0.933
Table 3. Correspondence between feature maps and a priori boxes
View tableView in ArticleTable 3. Correspondence between feature maps and a priori boxes
特征图大小 感受野 先验框大小 20×20 大 ［116，90］ ［156，198］ ［373，326］ 40×40 较大 ［30，61］ ［62，45］ ［59，119］ 80×80 中 ［ 10 ，13 ］［ 16 ，30］［33，23］ 160×160 小 ［ 5 ，6 ］［ 7 ，9 ］［12，10］
Table 4. Experimental operating environment
View tableView in ArticleTable 4. Experimental operating environment
名称 环境参数 操作系统 Windows 10 64位 GPU 12th Gen Intel（R）Core（TM）i9 12900 K 3.19 GHz 内存 64 GB Python Python3.9版本 深度学习框架 Pytorch 1.10
Table 5. Comparison of experimental results
View tableView in ArticleTable 5. Comparison of experimental results
算法 R P mAP 参数量 模型大小/MB SSD 0.621 0.334 0.567 26 285 486 91.1 Faster R-CNN 0.761 0.443 0.701 137 098 724 108 YOLOv5 0.932 0.911 0.949 20 856 975 42.17 YOLOv5-Q 0.928 0.871 0.937 12 696 640 26.47
Table 6. Ablation experiments
View tableView in ArticleTable 6. Ablation experiments
改进点1 改进点2 改进点3 P R mAP 模型大小/MB 参数量 YOLOv5 × × × 0.932 0.911 0.949 42.17 20 856 975 模型1 √ × × 0.925 0.875 0.933 24.93 12 187 951 模型2 × √ × 0.939 0.909 0.959 43.55 21 293 508 模型3 × × √ 0.936 0.911 0.954 42.34 20 933 523 模型4 √ √ × 0.918 0.879 0.939 26.29 12 617 572 模型5 × √ √ 0.928 0.919 0.959 43.73 21 392 304 模型6 √ × √ 0.928 0.872 0.936 25.1 12 264 499 本文算法 √ √ √ 0.928 0.871 0.937 26.47 12 696 640
Tools
Get Citation
Copy Citation Text
Xue-chun LIU, Da-ming LIU, Ruo-chen LIU. Improved lightweight helmet wear detection algorithm[J]. Chinese Journal of Liquid Crystals and Displays, 2023, 38(7): 964
Paper Information
Category: Research Articles
Received: Aug. 13, 2022
Accepted: --
Published Online: Jul. 31, 2023
The Author Email: Da-ming LIU (nxldm@qq.com)
© Copyright 2018-2021 | Chinese Laser Press.
All Rights Reserved 沪ICP备15018463号-20