典型文献
改进YOLOv5s的口罩佩戴检测算法
文献摘要：
针对现有口罩佩戴检测算法难以在密集场景下检测小目标及检测精度低等系列问题,提出了一种改进YOLOv5s的口罩佩戴检测算法.首先,采用PSA极化自注意力机制,使得模型更专注于口罩这一特定类别检测.其次,引入ASFF模块让模型达到充分利用不同尺度特征的效果.接着,增加尺度检测,强化原模型在密集复杂场景下的特征提取能力,扩展检测区域,提高对于口罩这类小目标的检测精度.最后,将原模型使用的回归损失函数修改为EIoU Loss,使网络在训练时可以保证预测框更快收敛.实验结果表明,改进之后的算法相较原算法在维持较快检测速率基础上平均准确率提高4.2％,和现有其他主流检测算法对比精度也有较大提高,能够较好地对人员口罩佩戴情况进行检测且满足实时性的要求.
文献关键词：
YOLOv5s;口罩检测;PSA注意力机制;ASFF模块;检测尺度;损失函数
中图分类号：
作者姓名：
杨国亮;赵敏;黄聪;黄经纬
作者机构：
江西理工大学 电气工程与自动化学院,江西 赣州341000
文献出处：
引用格式：
[1]杨国亮;赵敏;黄聪;黄经纬-.改进YOLOv5s的口罩佩戴检测算法)[J].黑龙江工业学院学报（综合版）,2022(10):51-57
A类：
B类：
YOLOv5s,口罩佩戴检测,检测算法,小目标,检测精度,PSA,自注意力机制,ASFF,不同尺度,尺度特征,复杂场景,特征提取能力,模型使用,损失函数,EIoU,Loss,快收敛,快检,检测速率,平均准确率,算法对比,口罩检测,检测尺度
AB值：
0.323261
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。
