典型文献
基于迁移学习的轻量化YOLOv2 口罩佩戴检测方法
文献摘要：
针对当前佩戴口罩数据集样本数量较少、硬件条件受限的情况下,本文提出了一种基于迁移学习的轻量化YOLOv2 口罩佩戴检测方法.该方法以YOLOv2目标检测方法为基础,利用参数迁移学习的MobileNetV2作为特征提取网络,简化了网络模型并提高了训练速度.预训练的MobileNetV2特征提取网络与YOLOv2目标检测网络结合构成口罩佩戴检测网络模型.收集并建立了 1 000张人脸佩戴口罩图片数据集对网络模型进行训练和测试.实验结果表明,与YOLOv2、SSD300模型相比,MobileNetV2-YOLOv2模型口罩佩戴检测平均准确率提高3.8％、2.7％,检测速度提升2.5和2.4倍.并且在光线不足和密集检测条件下,MobileNetV2-YOLOv2依然可以有效进行口罩佩戴检测,相较于R-CNN和Faster-RCNN具有更好的检测效果,体现了更强的鲁棒性.
文献关键词：
计算机神经网络;口罩佩戴检测;迁移学习;YOLOv2;MobileNetV2
中图分类号：
作者姓名：
张烈平;李智浩;唐玉良
作者机构：
桂林理工大学机械与控制工程学院 桂林541006
文献出处：
引用格式：
[1]张烈平;李智浩;唐玉良-.基于迁移学习的轻量化YOLOv2 口罩佩戴检测方法)[J].电子测量技术,2022(10):112-117
A类：
B类：
迁移学习,YOLOv2,口罩佩戴检测,佩戴口罩,样本数量,硬件条件,目标检测方法,参数迁移,MobileNetV2,特征提取网络,训练速度,预训练,目标检测网络,人脸,图片数据,SSD300,平均准确率,检测速度,光线,检测条件,Faster,RCNN,检测效果,计算机神经网络
AB值：
0.265589
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。
