文献类型：期刊文章

作　　者：王兵[1] 乐红霞[1] 李文璟[2] 张孟涵[3]

WANG Bing;LE Hongxia;LI Wenjing;ZHANG Menghan(School of Computer Science,Southwest Petroleum University,Chengdu 610500,China;Chengdu Branch of China Telecom Corporation Limited,Chengdu 610051,China;Scholl of Information and Software Engineering,University of Electronic Science and Technology,Chengdu 610500,China)

机构地区：[1]西南石油大学计算机科学学院,成都610500 [2]中国电信股份有限公司成都分公司,成都610051 [3]电子科技大学信息与软件工程学院,成都610500

出　　处：《计算机工程与应用》

年　　份：2021

卷　　号：57

期　　号：8

起止页码：62-69

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对目前YOLO轻量网络在口罩佩戴检测任务中出现的特征提取不足和特征利用率不高的问题,提出了一种基于改进YOLOv4-tiny的轻量化网络算法。增加Max Module结构以获取更多目标的主要特征,提高检测准确率。提出自下而上的多尺度融合,结合低层信息丰富网络的特征层次,提高特征利用率。使用CIoU作为边框回归损失函数,加快模型收敛速度。相较于原算法,在公开数据集PASCAL VOC和口罩佩戴检测任务中,mAP分别提高4.9个百分点和3.3个百分点,检测速率分别达到74 frame/s和64 frame/s,满足口罩佩戴检测任务的准确率和实时性。

关 键 词：口罩佩戴检测  YOLOv4-tiny  Max Module结构  多尺度融合 CIoU  

分 类 号：TP391.4]