基于论文摘要,建议的标题为: IRA-YOLO:面向工业场景个体防护装备检测的类间关系注意力机制

《Sensors》:IRA-YOLO: Inter-Class Relation Attention for PPE Detection in Industrial Scenes

【字体: 大 中 小 】 时间:2026年09月18日 来源:Sensors 4.0

编辑推荐:

  工业场景中的个体防护装备(Personal Protective Equipment, PPE)检测是一个联合分类与定位问题,其复杂性源于部分遮挡、尺度变化以及背景杂乱等因素。PPE类别之间遵循结构化的物理关联,例如,头盔通常与头部相关联,手套通常与手部相关联

  
工业场景中的个体防护装备(Personal Protective Equipment, PPE)检测是一个联合分类与定位问题,其复杂性源于部分遮挡、尺度变化以及背景杂乱等因素。PPE类别之间遵循结构化的物理关联,例如,头盔通常与头部相关联,手套通常与手部相关联。现有注意力模块主要对表观特征进行重新加权,很少编码这些方向性的类间依赖关系。为此,研究人员提出IRA-YOLO,一种基于YOLO的目标检测器,并配备类间关系注意力模块(Inter-Class Relation Attention Module, IRAM)。IRAM将各多尺度特征图投影至类专属子空间,学习类别注意力图之间的非对称成对关系,并通过残差融合将关系先验回传至检测特征。在SH17数据集上,相较于YOLOv11s,IRA-YOLO将mAP@50:95从0.396提升至0.411,同时仅增加0.42 M参数和0.99 GFLOPs计算量,并在单图像推理测试中保持139.83 FPS的帧率。在CHVG数据集上的跨数据集评估进一步验证了所提出特征细化方法的可迁移性。上述结果表明,显式的类间关系建模为多类别PPE检测提供了互补的语义上下文信息。
论文解读:IRA-YOLO——面向工业场景个体防护装备检测的类间关系注意力机制
一、研究背景与问题提出
工业与建筑环境中,作业人员面临显著的安全风险,正确佩戴个体防护装备(Personal Protective Equipment, PPE)是降低伤害及相关经济损失的重要手段。传统人工巡检方式劳动强度大、主观性强且难以规模化部署,因此基于视觉的非接触式监测在作业安全管理领域受到广泛关注。实时单阶段检测器为这类监测系统提供了实用基础,其中YOLO系列模型凭借检测精度与计算效率之间的良好平衡,在工业环境PPE持续监测中展现出较强的适用性。
然而,真实工业场景中的PPE检测仍面临尺度变化、光照变化、背景杂乱、遮挡以及小目标尺寸等多重挑战。更为关键的是,PPE类别并非独立出现,而是因人体佩戴位置而呈现特征性的语义与空间依赖关系。例如,头盔通常与头部区域关联,手套与手部关联,安全背心与躯干关联。这种依赖关系为区分合理的PPE配置与视觉相似但语义不一致的情形提供了上下文线索,尤其在局部表观线索因遮挡、小目标或视觉模糊而不可靠时具有重要价值。此外,这些依赖关系具有方向性:某一类别对另一类别的证据贡献程度可能因其语义与空间上下文不同而存在差异。这一观察促使研究人员在PPE检测中显式建模类间关系。
现有注意力机制,如SENet的通道注意力、CBAM的通道-空间联合注意力等,主要基于表观响应重新加权局部特征或全局统计量,未显式利用PPE类别间的语义依赖。关系感知方法,包括图卷积网络(Graph Convolutional Network, GCN)和关系网络(Relation Networks),虽能更显式地建模对象交互,但往往引入不可忽视的计算开销,与实时工业部署的兼容性欠佳。
二、研究内容与核心贡献
针对上述局限性,研究人员提出IRA-YOLO,一种基于YOLOv11构建的类间关系注意力检测框架。该框架不再独立处理类别响应,而是利用学习到的类间依赖关系补充基于表观的证据,细化类别专属特征响应。其核心组件为类间关系注意力模块(Inter-Class Relation Attention Module, IRAM),包含三个阶段:类专属注意力图生成、成对类间关系建模、关系引导的特征细化。IRAM是一种无候选框(proposal-free)模块,直接在密集特征图中建模PPE类别间的非对称成对语义依赖,并通过残差连接将关系信息融合至表观特征。与基于候选框的图推理方法不同,IRAM在检测头之前运行,无需候选框,且通过类专属多子空间投影与分组卷积关系通路设计,有效控制了额外参数与计算成本。
三、关键技术方法
研究人员采用的主要技术方法包括:第一,类专属子空间投影策略,受Transformer多头注意力启发,将输入特征图投影至更高维空间后沿通道维度均分为多个类专属子特征图,每个子空间经全局平均池化与全局最大池化生成单类别空间注意力图;第二,基于分组卷积的成对关系建模,通过通道交错拼接构造所有有序类别对的交互特征,采用三层堆叠3×3卷积近似7×7卷积的感受野,并以分组卷积保持不同类别对交互的独立性,从而学习非对称的类间关系张量;第三,关系增强特征细化,将初始注意力图与关系张量融合后投影回原始特征空间,并通过残差连接与输入特征相加,在保留原始特征的同时注入关系增强的注意力响应。实验基于SH17数据集,该数据集包含8099张真实工业场景图像、75994个标注实例、覆盖17个类别,按8:2划分训练集与测试集,以YOLOv11s为基线模型,输入图像尺寸640×640,训练400轮。
四、主要研究结果
4.1 与先进方法对比:在SH17数据集上与YOLOv5s、YOLOv8s、YOLOv9s、YOLOv10s、YOLOX-s、MambaYOLO-T及RT-DETR等主流检测器对比,IRA-YOLOv11在精确率、mAP@50:95和mAP@75上均取得最优结果,召回率与mAP@50位列第二。相较于YOLOv11s基线,精确率从0.728提升至0.757,召回率从0.576提升至0.591,mAP@50:95从0.396提升至0.411。参数仅增加0.42 M,计算量增加0.99 GFLOPs,推理帧率保持在139.83 FPS。
4.2 消融研究:模块架构分析表明,完整配置优于膨胀卷积替代方案及延迟维度变换方案,直接广播融合会导致性能下降。与GCN风格关系基线对比显示,GCNRelation达到0.408的mAP@50:95,仅比IRA-YOLO低0.003,证实关系建模是性能提升的主要来源。背景类别分析表明,将背景类纳入关系建模会全面降低各项指标。与其他注意力机制对比中,IRAM在mAP@50:95上较基线提升1.5%,优于SEBlock、CBAM、ECA、CoordAttention、BAM、SimAM及SA-Net等七种代表性注意力方法。
4.3 跨数据集泛化:在CHVG验证集上,IRA-YOLO的精确率达到0.874、召回率达到0.880,分别超过基线0.006和0.003;mAP@75从0.693提升至0.715,表明关系建模在类别体系与场景分布变化下仍保持有效性。
4.4 逐类与细粒度分析:在17个SH17类别中,IRA-YOLO在多数PPE类别上优于基线,尤其在face mask、ear muffs、safety vest等长尾类别上提升显著,雷达图轮廓更为饱满均衡,表明模型增强了类别间平衡性与鲁棒性。
4.5 训练曲线与类别规模扩展:训练曲线显示IRA-YOLO与基线收敛行为总体可比,关系建模未破坏训练稳定性。条件分层评估呈现混合模式:IRA-YOLO在中尺度与大尺度图像上分别提升0.007和0.021,但在小尺度与非遮挡子集上分别下降0.014和0.049,表明收益具有尺度依赖性而非普遍性。类别规模扩展分析显示,成对关系表示随类别数近似二次方增长,在50至100类场景下需引入稀疏或因子化关系表示。
五、结论与讨论
研究结论表明,IRA-YOLO在SH17数据集上全面超越YOLOv11s基线及七种代表性注意力机制,跨数据集评估进一步验证了关系建模在类别体系与场景分布变化下的有效性。性能提升源于模型利用PPE类别间结构化共现模式的能力,例如借助头部的存在辅助头盔检测,从而提供超越表观注意力的语义指导,同时保持YOLO架构的推理效率。未来工作将探索视频帧间的时间关系建模、新引入PPE类别的低样本适应,以及在嵌入式或边缘计算硬件上的推理效率评估,以进一步支撑工业部署需求。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号