基于改进YOLOv3的安全帽检测方法研究

针对目前对工业现场安全帽佩戴检测过程中出现的检测准确率低和实时性弱问题，提出一种基于YOLOv3的改进模型。首先，采用K-Means++聚类算法，优化获取安全帽佩戴检测的先验框尺寸；在YOLOv3特征提取网络之后引入注意力模块(scSE)；并在网络预测阶段，引入残差模块。实验表明：在自制安全帽佩戴检测数据集实验中平均准确率达到88.16%。相较于原始的YOLOv3算法，改进后算法对安全帽检测平均准确度有一定程度的提高。