Target Detection of Safety Protective Gear Using the Improved YOLOv5

要約

リスクの高い鉄道建設では、個人用保護具の監視は重要ですが、目標が小さく頻繁に妨害されるため、困難を伴います。
私たちは、バックボーンの畳み込み層に ECA を統合することで安全対策の検出を強化し、ヘルメットのような微小な物体の識別を向上させる革新的なモデルである YOLO-EA を提案します。
YOLO-EA は、GIoU を EIoU 損失に置き換えることにより、オクルージョン下でのターゲット認識をさらに洗練します。
YOLO-EA の有効性は、現実世界の鉄道建設現場の監視映像から得られたデータセットを使用して経験的に実証されました。
YOLOv5 のパフォーマンスを上回り、70.774 fps のリアルタイム パフォーマンスを維持しながら、精度 98.9% と再現率 94.7% (それぞれ 2.5% および 0.5% 向上) を達成しました。
この高効率かつ高精度の YOLO-EA は、複雑な鉄道建設プロジェクトにおける厳格な安全コンプライアンスを強化する、複雑な建設シナリオでの実用化に大きな期待を寄せています。

要約(オリジナル)

In high-risk railway construction, personal protective equipment monitoring is critical but challenging due to small and frequently obstructed targets. We propose YOLO-EA, an innovative model that enhances safety measure detection by integrating ECA into its backbone’s convolutional layers, improving discernment of minuscule objects like hardhats. YOLO-EA further refines target recognition under occlusion by replacing GIoU with EIoU loss. YOLO-EA’s effectiveness was empirically substantiated using a dataset derived from real-world railway construction site surveillance footage. It outperforms YOLOv5, achieving 98.9% precision and 94.7% recall, up 2.5% and 0.5% respectively, while maintaining real-time performance at 70.774 fps. This highly efficient and precise YOLO-EA holds great promise for practical application in intricate construction scenarios, enforcing stringent safety compliance during complex railway construction projects.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google