基于轻量级结构重参数化网络的口罩检测算法

摘要：

常态化疫情防控形势下,火车站、地铁站等公共场所人群密集,容易发生病毒的传播.针对人群密集场所口罩目标较小、模型参数量大、难以部署的问题,提出一种改进的轻量级结构重参数化网络.在Retinaface算法上,使用双重级联金字塔网络替换原有的特征融合网络,增强特征信息,提高对小尺度目标的检测效果;同时使用结构重参数化网络RepVGG替换原有的MobileNet0.25主干网络,在模型训练时,通过残差结构提高模型特征提取能力,在模型推理时,通过模型结构重新参数化减少模型参数,提高推理速度.实验结果表明,本文算法在GPU上帧率达到92.59 fps,在自建数据集的3个不同等级的验证集上的平均准确率(mAP)达到94.17％、93.30％、86.88％,相比原始Retinaface算法分别提高了1.17个百分点、2.89个百分点、5.35个百分点,可以更好地在自然场景中进行口罩佩戴检测.

关键词：口罩佩戴检测、Retinaface算法、结构重参数化、特征融合、轻量级

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;江苏省高校基础科学自然科学研究项目;无锡市科协软科学研究课题

在线出版日期：2022-08-03（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：40-46,60