融合注意力机制的YOLOv5口罩检测算法

摘要：

新冠疫情期间正确佩戴口罩可以有效防止病毒的传播,针对公共场所存在的人员密集、检测目标较小等加大检测难度的问题,提出一种以YOLOv5s模型为基础并引入注意力机制融合多尺度注意力权重的口罩佩戴检测算法.在YOLOv5s模型的骨干网络中分别引入4种注意力机制,抑制无关信息,增强特征图的信息表达能力,提高模型对小尺度目标的检测能力.实验结果表明,引入CBAM模块后较原网络mAP值提升了6.9个百分点,在4种注意力机制中提升幅度最明显,而引入NAM模块后在损失少量mAP的情况下使参数量最少,最后通过对比实验选用GIoU损失函数计算边界框回归损失,进一步提升定位精度,最终结果较原网络mAP值提升了8.5个百分点.改进模型在不同场景下的检测结果证明了该算法对小目标检测的准确率和实用性.

关键词：口罩检测、YOLOv5、注意力机制、特征融合、小目标检测

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;省部共建三江源生态与高原农牧业国家重点实验室自主课题项目

在线出版日期：2023-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：16-25