基于YOLOv3的公共场所口罩佩戴检测方法

摘要

针对公共场所人群口罩佩戴检测小尺度目标较多导致其检测精度不高的问题，本文改进YOLOv3的特征金字塔结构，利用跳跃连接和包含通道注意力的位置特征增强模块LFE,将低层特征图的丰富位置信息传递到中层和高层特征图中，加强了对小目标的识别，并使用CIoU损失函数进行边框回归，提高了算法定位精度。除佩戴和未佩戴口罩外，也对不规范佩戴口罩进行检测。实验结果表明，改进后的YOLOv3算法在自制的口罩佩戴数据集上mAP达到86.96%,较YOLOv3算法提高了3.30个百分点，该结果也同样优于Faster R-CNN、SSD300、DSSD321和YOLOv4等主流算法，且算法检测速度达到39.2 frame/s,相比YOLOv3仅下降2.2 frame/s,仍满足实时检测要求。

关键词

YOLOv3算法 / 口罩佩戴检测 / 小目标 / 通道注意力 / 多尺度融合 / 损失函数