基于多重機(jī)制優(yōu)化YOLOv8的復(fù)雜環(huán)境下安全帽檢測(cè)方法

摘要： 為了解決建筑工地、隧道、煤礦等施工場(chǎng)景中現(xiàn)有安全帽檢測(cè)算法對(duì)于小目標(biāo)、密集目標(biāo)以及復(fù)雜環(huán)境下的檢測(cè)精度低的問題，提出了一種基于多重機(jī)制的安全帽檢測(cè)方法。以YOLOv8n為基礎(chǔ)將Backbone部分的C2f模塊加入可擴(kuò)張殘差（DWR）注意力模塊，使得網(wǎng)絡(luò)能夠更靈活地適應(yīng)不同尺度的特征，以而更準(zhǔn)確地識(shí)別圖像中的物體；采用可變形卷積AKConv模塊取代主干部分中的原始Conv，為卷積... （共11頁(yè)）