典型文献
基于改进YOLOv4-tiny的口罩佩戴实时检测算法
文献摘要：
疫情防控的新形势下,佩戴口罩依然是阻断病毒传播的主要措施.为了对民众的口罩佩戴情况进行有效监测,在YOLOv4-tiny的基础上进行改进提出一种高效的口罩佩戴检测算法.将集成了通道、空间双重注意力机制的CBAM模块引入到YOLOv4-tiny的主干特征提取网络,增强模型对关键特征信息的提取和利用能力;在YOLOv4-tiny主干特征提取网络之后引入空间金字塔池化网络,使得模型能够在不同大小的感受野上获取多尺度空间特征并进行上下文语义信息的融合以获得更加丰富的特征表示.实验结果表明,所提算法对人脸目标和佩戴口罩的人脸目标的平均准确率均值mAP为91.01％,相较于YOLOv4-tiny提升了6.77％,检测速度达到了97.75FPS,能够在口罩佩戴检测任务中实现高精度实时检测.
文献关键词：
口罩佩戴检测;YOLOv4-tiny;注意力机制;空间金字塔池化
中图分类号：
作者姓名：
曹小喜;程凡永;王飞州
作者机构：
安徽工程大学 检测技术与节能装置安徽省重点实验室,安徽 芜湖 241000
文献出处：
引用格式：
[1]曹小喜;程凡永;王飞州-.基于改进YOLOv4-tiny的口罩佩戴实时检测算法)[J].黑龙江工业学院学报（综合版）,2022(02):64-71
A类：
75FPS
B类：
YOLOv4,tiny,实时检测,检测算法,佩戴口罩,病毒传播,主要措施,有效监测,口罩佩戴检测,双重注意力机制,CBAM,主干特征提取网络,增强模型,关键特征,特征信息,空间金字塔池化,同大,感受野,野上,多尺度空间,空间特征,上下文语义,语义信息,特征表示,人脸,平均准确率,mAP,检测速度
AB值：
0.27076
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
