10.3778/j.issn.1002-8331.2104-0200
YOLOv4口罩检测算法的轻量化改进
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%.
口罩检测;深度学习;YOLOv4;MobileNetv3;深度可分离卷积
57
TP391.41(计算技术、计算机技术)
国家自然科学基金;国家部委科工局项目
2021-09-07(万方平台首次上网日期,不代表论文的发表时间)
共12页
157-168