基于残差结构的SSD口罩检测

摘要：

新冠疫情环境下,人们外出均需佩戴口罩进行防护,所以目前对人脸口罩检测的研究迫在眉睫.该文提出一种基于残差结构的SSD(single shot multbox detector)网络用于口罩检测,通过在SSD网络的定位分类前添加残差结构,将特征提取网络和分类定位层进行分离,进而使得进入分类定位层的卷积特征更加抽象,可以有效解决SSD网络同时学习局部信息和高层信息双重任务的问题,维护特征提取网络的稳定性,并利用交叉熵损失函数解决戴口罩和未戴口罩的二分类问题,利用smooth L1 loss损失函数解决口罩位置的回归问题.然后将分类和位置回归做加权计算,通过优化传统的SSD位置误差和置信度误差损失函数,实现人脸佩戴口罩特征和人脸未戴口罩特征的定位和分类,从而提高网络训练速度及检测效率.实验结果表明,ReSSD检测口罩的平均检测精度可达92.3％,比SSD网络提高了7.4％,同时在自然场景下也有高效的检测效果.

关键词：口罩检测;残差结构的SSD;分类定位;交叉熵损失函数;smooth L1 loss损失函数

所属期刊栏目：31

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;国家自然科学基金;虚拟现实应用教育部工程研究中心开发基金课题

在线出版日期：2022-01-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：67-72