基于改进YOLOv3的口罩佩戴检测方法

摘要：

为解决市民口罩佩戴目标检测中因小尺寸目标较多导致其识别精度不高的问题,提出一种基于YOLOv3改进的算法M_YOLOv3.重构特征金字塔机制,把原本3*3的类金字塔结构扩建为4*4尺寸,把先验框数量由9增加到16,通过以上方法降低神经网络感受野,增强M_YOLOv3对小尺寸目标的敏感度.将原有的损失函数IoU替换为DIoU,解决边框回归时难以确认梯度下降方向的问题.基于网络公开的4065张口罩数据集的实验结果表明,M_YOLOv3的mAP(平均精度均值)为88.4,较Tiny_YOLOv3和YOLOv3的mAP分别提升了15.9和7.2.

关键词：目标检测、YOLOv3、口罩佩戴检测、特征金字塔、卷积神经网络

所属期刊栏目：42

分类号：TP391(计算技术、计算机技术)

在线出版日期：2021-05-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1455-1462