基于改进YOLOv4的自然人群口罩佩戴检测方法

摘要：

针对自然场景下的人群口罩佩戴检测常常会受到口罩样式、颜色,佩戴者肤色以及天气等多种因素的影响,提出在原YOLOv4的基础上引入协调注意力机制,进而提升主干特征提取网络对于浅层次特征图像位置信息的利用进而更好地捕获小物体——口罩,同时能够丰富浅层次特征图像的语义信息和加强远距离依赖关系,更精准地定位和识别目标区域;对YOLOv4的网络结构进行改进以提升整体网络的容量以及深度,进而扩大感受野并提升算法的鲁棒性;引入DIoU-NMS在于缓解目标存在遮拦而被错误抑制的现象,DIoU-NMS从IoU指标及检测框的中心点距离两个方面进行非极大值抑制,使得对于IoU阈值的选取没有那么苛刻.实验结果表明,改进YOLOv4的平均精度均值达到95.81％,相较于原YOLOv4平均精度均值提升了4.62％.改进后的YOLOv4具有良好的性能,能够在自然场景下准确地完成口罩佩戴检测任务.

关键词：深度学习、口罩佩戴检测、YOLOv4、协调注意力机制、神经网络

所属期刊栏目：43

分类号：TP39(计算技术、计算机技术)

资助基金：国家自然科学基金;河南省高等学校青年骨干教师培养计划

在线出版日期：2022-07-14（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：16-22