-
题名改进YOLO的口罩佩戴实时检测方法
被引量：6
- 1
-
-
作者
程长文
陈玮
陈劲宏
尹钟
-
机构
上海理工大学光电信息与计算机工程学院
-
出处
《电子科技》
2023年第2期73-80,共8页
-
基金
国家自然科学基金(61703277)。
-
文摘
现有的YOLO目标检测模型基于One-stage思想进行多目标检测,其对于双分类检测有所不足,并且检测时性能消耗较大。为了能够在新冠疫情爆发的特殊时期,提高双分类口罩佩戴的检测精度和检测效率,文中提出了一种基于YOLO的双目标口罩佩戴实时检测方法。改进模型的前馈输入层,优化了数据增强部分,添加了自适应图片缩放,以便提升双分类和小目标的检测精度和检测效率。添加了自适应锚定框,替换了激活函数,降低了方法的计算量从而提高方法的检测效率。Neck部分优化和添加的Focus结构提高了特征融合能力并且减少了参数量,达到了提速的效果。实验结果表明,与YOLOv4相比,所提方法在文中数据集中的F 1提高了0.33%,mAp提高了0.71%,并且相同实验环境下的检测效率也提升明显。
-
关键词
YOLOv4
CSPDenseNet
FOCUS
数据增强
激活函数
CSP2
目标检测
口罩佩戴
-
Keywords
YOLOv4
CSPDenseNet
Focus
data augmentation
activation function
CSP2
target detection
mask wearing
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
