复杂光照下基于深度学习的佩戴口罩检测

摘要：

在人群密集的场合下,佩戴口罩可以最大程度上防止病毒的传播.针对佩戴口罩检测任务常常会被复杂光照干扰这一问题,该文提出了基于YOLOv4改进的佩戴口罩检测算法.在YOLOv4模型的基础上,首先在主干特征提取网络中引入双注意力机制模型使模型对特征有更好的提取效果,之后在特征金字塔部分加入跨阶段局部网络,通过改进网络结构来减少参数量,在保证准确率的前提下,减小模型尺寸,提升推理速度.最后提出了一种图像筛选算法用来选取满足复杂光照这一条件的图像来制作数据集.实验结果表明,针对光照复杂多变的场合下对人脸佩戴口罩检测的平均精度均值可达到92.1％.与主流的目标检测算法相比,具有更好的检测效果.

关键词：佩戴口罩检测、注意力机制、YOLOv4、图像筛选

所属期刊栏目：36

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2021-04-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：67-72,78