10.19678/j.issn.1000-3428.0058802
复杂场景下基于改进YOLOv3的口罩佩戴检测算法
新型冠状病毒可以通过呼吸道飞沫等方式传播,正确佩戴口罩可以有效防止病毒传染,但是自然场景中通常存在遮挡、密集人群和小尺度目标等复杂因素,对人脸佩戴口罩的检测效果产生影响.针对该问题,在YOLOv3算法的基础上,提出复杂场景下的口罩佩戴检测算法.结合跨阶段局部网络对DarkNet53骨干网络进行改进,以降低计算消耗并提高训练速度.在YOLOv3算法中引入改进的空间金字塔池化结构,通过自上而下和自下而上的特征融合策略优化多尺度预测网络,从而实现特征增强.选取CIoU作为损失函数,考虑目标与检测框之间的中心点距离、重叠率以及长宽比信息.实验结果表明,与YOLOv3算法相比,该算法在人脸目标和人脸佩戴口罩目标上的检测精度分别提高7.3%和14.9%,检测速度平均提高6FPS.
YOLOv3算法、口罩佩戴检测、跨阶段局部网络、空间金字塔池化、特征融合、损失函数
46
TP391(计算技术、计算机技术)
国家自然科学基金61461053,61461054
2021-01-26(万方平台首次上网日期,不代表论文的发表时间)
共11页
12-22