注意力机制优化SSD的戴口罩人脸快速检测研究

摘要：

MobileNet-SSD算法在目标检测领域具有速度快、参数少的优点.尤其在大目标检测方面,准确率、召回率、AP值较高,但对于小目标检测,检测速度快但存在准确率、召回率及AP值偏低等问题.鉴于此,本文通过添加Mosaic数据增强算法增加小物体图片扩充数据集,选用Focal Loss取代Softmax Loss分类损失函数,通过整体修改特征提取网络并添加修改过后SE通道注意力构建一种新特征提取网络(DynaNet),并基于此网络实现SSD算法,实现对戴口罩人脸的检测.实验证明,相较于MobileNet-SSD算法,DynaNet-SSD针对小目标戴口罩人脸,检测准确率提高了6.9%、召回率提高了4.3%,mAP值提高了6.82%,检测速度快于RetinaNet和YoloV5.

关键词：DynaNet-SSD、SE注意力机制、小目标检测、人脸检测、Focal Loss、Mosaic

所属期刊栏目：19

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-08-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：30-34,38