改进YOLO的口罩佩戴实时检测方法

作者：程长文; 陈玮; 陈劲宏; 尹钟

来源：电子科技, 2023, 36(02): 73-80.

DOI：10.16180/j.cnki.issn1007-7820.2023.02.011

• YOLOv4
• CSPDenseNet
• Focus
• 数据增强
• 激活函数
• CSP2
• 目标检测
• 口罩佩戴

现有的YOLO目标检测模型基于One-stage思想进行多目标检测，其对于双分类检测有所不足，并且检测时性能消耗较大。为了能够在新冠疫情爆发的特殊时期，提高双分类口罩佩戴的检测精度和检测效率，文中提出了一种基于YOLO的双目标口罩佩戴实时检测方法。改进模型的前馈输入层，优化了数据增强部分，添加了自适应图片缩放，以便提升双分类和小目标的检测精度和检测效率。添加了自适应锚定框，替换了激活函数，降低了方法的计算量从而提高方法的检测效率。Neck部分优化和添加的Focus结构提高了特征融合能力并且减少了参数量，达到了提速的效果。实验结果表明，与YOLOv4相比，所提方法在文中数据集中的F1提高了0.33%,mAp提高了0.71%,并且相同实验环境下的检测效率也提升明显。

• 出版日期2023
• 单位上海理工大学