计算机工程

作者：张欣怡, 张飞, 郝斌, 高鹭, 任晓颖

单位：内蒙古科技大学 信息工程学院, 内蒙古 包头 014000

关键词：口罩佩戴检测,YOLOv5s模型,鬼影混洗卷积,自适应空间特征融合,轻量级通用上采样算子

基金：内蒙古自治区科技计划项目(2021GG0046); 内蒙古自治区科技计划项目(2021GG0048)

在公共场合密集人群场景下，由于目标遮挡导致的信息缺失及检测目标较小、分辨率低问题，使得人脸佩戴口罩检测算法的检测效果较差。为提高模型的检测精度和速度，减少硬件占用资源，提出一种基于改进YOLOv5s的口罩佩戴检测算法。将标准卷积和深度可分离卷积相结合替换传统卷积，并进行通道混洗的鬼影混洗卷积，以在保证精度的前提下提升网络速度。将最近邻法上采样替换为轻量级通用上采样算子，充分利用特征语义信息，在改进的YOLOv5s模型Neck层末端添加自适应空间特征融合，可以对不同尺度的特征进行更好的融合，提高网络检测精度，并通过自适应图片采样，缓解数据不均衡的问题，运用马赛克数据增强对小目标进行充分利用。实验结果表明，该算法在AIZOO数据集上的mAP值达到了93%，比YOLOv5原始模型提升了2个百分点，对于佩戴口罩的人脸检测精度达到了97.7%，优于同等情况下YOLO系列、SSD、RetinaFace的检测效果，同时在GPU上的运行推理速度提升了16.7个百分点，且模型权重文件的内存仅为23.5 MB，适用于实时口罩佩戴检测。

来源：2023年第8期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第8期