计算机工程

作者：李毅, 徐慧英, 朱信忠, 黄晓, 王舒梦, 李悉钰

单位：1. 浙江师范大学计算机科学与技术学院, 浙江 金华 3210042. 浙江师范大学教育学院, 浙江 金华 321004

关键词：目标检测,口罩检测,特征融合,YOLOv5n,特征金字塔网络

基金：国家自然科学基金(62376252); 国家自然科学基金(61976196); 浙江省自然科学基金重点项目(LZ22F030003); 国家级大学生创新训练计划重点项目(202310345042)

口罩作为基础的个人防护物品, 在公共卫生领域发挥着重要作用。针对复杂场景下口罩检测精确度低的问题, 提出一种基于YOLOv5n改进的轻量级口罩检测算法Mask-YOLO, 以提高口罩检测精确度和模型训练的稳定性。在特征提取阶段的卷积模块组中采用Softplus激活函数, 提升模型非线性映射效率, 加快模型的收敛速度; 在主干特征提取深层网络中添加Coordinate Attention, 通过嵌入位置信息得到通道注意力, 使网络获取更大的物体区域信息和通道目标特征, 同时避免较大的内存开销; 在深层网络将快速空间金字塔池化(SPPF)模块替换为接受域模块(RFB), 借助不同的膨胀率来扩大卷积特征采样的感受野, 以获取高层网络中丰富的物体语义信息; 在多尺度特征融合网络PANet结构的基础上, 添加BiFPN跨阶段多尺度特征融合设计, 使得具有不同尺度空间信息和语义信息的目标特征充分融合交互, 进一步提升小目标检测精度; 采用DIoU作为边界框损失函数, 用以解决边界框回归不稳定和目标漏检的问题; 采用Soft-NMS的方法, 通过降低重叠检测框置信度得分的方式, 进一步提升检测效率。实验结果表明, Mask-YOLO与基准模型YOLOv5n相比, 在mAP@0.95综合评价指标上性能提升8.58%, 解决了原始YOLOv5n算法在口罩检测中小目标检测精度低、边界框回归不稳定、模型训练收敛慢等问题, 实现了高效的口罩检测。

来源：2025年第6期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第6期