基于YOLOv3的轻量化口罩佩戴检测算法
当前疫情防控形势严峻,在人群密集场所进行实时快速的口罩佩戴检测可以有效降低病毒传播的风险.针对目前人工检测效率低的问题,提出一种基于YOLOv3的轻量化口罩佩戴检测算法.使用ShuffleNetv2替换原来的主干特征提取网络,降低网络参数量,减少计算功耗.提出将SKNet注意力机制引入到特征融合网络部分,增强不同尺度的特征提取能力;使用CIoU作为边界框回归损失函数,进一步提高检测精度.在构建的人脸口罩检测数据集上实验表明,与原YOLOv3相比,所提算法在保持较高检测精度的情况下,检测速度提高了 34 FPS,有效地实现了准确快速的口罩佩戴检测,与其他主流目标检测算法相比,该算法也具有更好的检测效果.
口罩检测、轻量化、YOLOv3、注意力机制、损失函数
44
TP391.4(计算技术、计算机技术)
2022-05-06(万方平台首次上网日期,不代表论文的发表时间)
共6页
105-110