典型文献
基于改进的YOLOv3口罩佩戴检测和识别
文献摘要：
新冠疫情仍在全球肆虐,佩戴口罩可以有效阻断新冠病毒传播,口罩佩戴检测系统能及时提醒公共场所活动的人佩戴口罩.针对该问题及小尺度目标检测困难的问题,提出了一种基于YOLOv3改进的网络模型Face_mask Net用于口罩佩戴检测.由于YOLOv3算法训练的网络模型对小目标检测率低,IoU值相同时不能反映预测框和目标框是否相交,以及传统NMS对于遮挡经常产生错误抑制情况,Face_mask Net改进了残差块和神经网络结构,引入SPP模块和CSPNet网络模块,并采用DIoU作为损失函数,DIoU-NMS算法作为分类器.实验结果表明,Face_mask Net可以有效提高目标检测准确率,AP75下的平均准确率为58.05％,相比由YOLOv3算法训练的网络模型提高了4.11％.
文献关键词：
YOLOv3;DIoU;SPP;口罩佩戴检测;CSPNet
中图分类号：
作者姓名：
任小康;刘行行
作者机构：
西北师范大学计算机科学与工程学院,甘肃兰州 730070
文献出处：
引用格式：
[1]任小康;刘行行-.基于改进的YOLOv3口罩佩戴检测和识别)[J].计算机工程与科学,2022(10):1812-1821
A类：
B类：
YOLOv3,口罩佩戴检测,检测和识别,肆虐,佩戴口罩,新冠病毒,病毒传播,提醒,公共场所,小尺度目标检测,Face,mask,算法训练,小目标检测,检测率,相交,NMS,遮挡,残差块,神经网络结构,SPP,CSPNet,DIoU,损失函数,分类器,检测准确率,AP75,平均准确率
AB值：
0.330252
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。
