复杂场景下的改进YOLOv8n安全帽佩戴检测算法

打开文本图片集

摘 要：为解决工地场景下安全帽检测因背景复杂、目标密集等导致YOLOv8n算法识别精度低、易出现漏检及误检等问题，提出一种改进YOLOv8n的RDCA-YOLO安全帽检测算法。通过改进Backbone结构提升模型特征提取能力;嵌入CBAM注意力机制，增强对小目标信息提取的能力;设计一种Coord-BiFPN结构，增强网络特征融合能力;提出一种OD-C2f结构，实现提取不同形状和大小安全帽的关键特征;设计一种FR-DyHead检测头替换原始Detect结构，提升了检测精度并降低了延时。（剩余572字）

网站仅支持在线阅读（不支持PDF下载），如需保存文章，可以选择【打印】保存。