基于改进YOLOv5的人脸口罩佩戴检测

摘要：

为对商场、车站等复杂环境中的人脸口罩佩戴情况进行检测,综合考虑目标密集、遮挡和小尺度目标等因素,提出一种复杂环境下基于改进YOLOv5的人脸口罩检测方法.引入改进DenseNet(密集连接卷积网络),提高网络特征利用率以及网络抗干扰能力;增加检测头部参数,对不同尺度特征跨级连接,增强多尺度信息交流,提高网络对小尺度目标的检测性能;将原有损失函数GIoU替换为CIoU,解决模型收敛速度慢的问题.实验结果表明,在人脸口罩佩戴检测任务中,改进YOLOv5算法mAP(平均精度均值)为97.8％,较YOLOv5算法与其它主流算法具有更高的检测精度,对实际场景中的人脸口罩检测任务具有现实意义.

关键词：人脸口罩佩戴检测、复杂环境、YOLOv5算法、密集连接卷积网络、卷积注意力机制、特征融合、损失函数

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;西安市科技计划基金项目

在线出版日期：2023-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：2811-2821