YOLOv4口罩检测算法的轻量化改进

摘要：

针对当前YOLOv4目标检测算法网络模型庞大、特征提取不充分且易受光线环境影响的缺点,提出了一种优化了特征提取网络和一般卷积块的轻量化YOLOv4-Lite网络模型.使用改进的MobileNetv3替换原有的主干特征提取网络,减小了网络模型的参数量,提高了检测精度.提出了使用深度可分离卷积块代替原网络中的普通卷积块,使得模型的参数量进一步降低.结合了标签平滑、学习率余弦退火衰减算法,新增了SiLU激活函数代替Mobile-Netv3浅层网络的ReLU激活函数,优化了模型的收敛效果.优化了Mosaic数据增强方法,提升了模型的鲁棒性.在人脸口罩佩戴任务中与原算法相比,牺牲了1.68％的mAP,但在检测效率(FPS)上提升约180％.

关键词：口罩检测;深度学习;YOLOv4;MobileNetv3;深度可分离卷积

所属期刊栏目：57

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;国家部委科工局项目

在线出版日期：2021-09-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：157-168