YOLO & GhostNet | 实现了准确定位和分类，同时实现在复杂环境中的模型准确性和性能！

点击下方卡片，关注「集智书童」公众号点击加入👉「集智书童」交流群安全头盔在建筑工地等潜在危险普遍存在的环境中对保护工人 Head 受伤起着至关重要的作用。然而，目前尚无方法能同时实现在复杂环境中的模型准确性和性能。在本研究中，作者利用基于YOLO的模型进行安全头盔检测，在减少参数和浮点运算数量超过25%的同时，将mAP（平均精度均值）性能提高了2%。YOLO是一种广泛使用的高性能轻量级模型架构，非常适合复杂环境。作者提出了一种新颖的方法，通过整合基于GhostNetv2的轻量级特征提取网络、空间通道注意力网络（SCNet）和协调注意力网络（CANet）以及采用梯度归一化感知优化器（GAM）来提高泛化能力。在安全关键环境中，准确快速地检测安全头盔对于预防职业危害和确保遵守安全规程起着至关重要的作用。这项工作解决了对健壮 ………………………………