SGS-YOLO：一种机场保障人员违规着装检测方法
摘要
现有算法计算复杂度高、实时性不强，在复杂的机场保障场景下检测时易出现错检和漏检等问题，难以满足即时安全检测需求。针对这种情况，基于YOLOv8n的技术路线提出一种机场保障人员违规着装检测方法——SGS-YOLO。首先，在模型的主干网络引入无参数的SimAM注意力机制，增强模型对重要特征的感知能力，提升目标检测精度；其次，在颈部网络引入GSConv和VoV-GSCSP模块降低参数量，实现模型的轻量化；最后，采用基于SIOU的检测框回归损失函数，以减少预测框和真实目标框发生较小变化时的误判。实验结果表明，与基线模型相比，SGS-YOLO的平均精度提高了6.3百分点，参数量和浮点运算次数分别降低了9.63%和8.64%，有效实现了模型轻量化和性能的平衡，具有较好的工程应用价值。
引用本文（GB/T 7714）
邓泽平 Deng Zeping, 刘辉 Liu Hui, 涂继亮 Tu Jiliang, 等. SGS-YOLO：一种机场保障人员违规着装检测方法[J]. Laser & Optoelectronics Progress, 2025.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。