典型文献
多尺度特征融合的轻量化口罩佩戴检测算法
文献摘要：
科学规范地佩戴口罩是预防新冠、流感等呼吸道传染病的有效方法,在当前疫情形势下,正确佩戴口罩显得尤为重要.已有的口罩佩戴检测算法多数存在结构复杂、训练难度较高和特征提取不足等问题,为此,提出一种多尺度特征融合的轻量化口罩佩戴检测算法L-MFFN-YOLO.以YOLOv4-Tiny网络为基础,L-MFFN-YOLO改进原始残差结构,使用轻量化残差模块促进模型快速收敛,在有效降低模型计算量的同时保证检测精度.在原网络13×13、26×26这2个尺度的基础上增加52×52特征分支,以增强低特征层的信息表达能力并降低小目标的漏检率.通过多层级交叉融合结构最大程度地提取有用信息,从而提高特征利用率.除佩戴和未佩戴口罩2种情况外,在数据集中新增口罩佩戴不正确的类别并进行手工标注,实验结果表明,L-MFFN-YOLO算法的模型大小仅为5.8 MB,较原始网络YOLOv4-Tiny,其模型规模减小76％,mAP提高5.25个百分点,CPU下的处理时间快14ms,能在资源受限的设备中满足口罩佩戴检测任务对准确率和实时性的要求.
文献关键词：
口罩佩戴检测;轻量化检测算法;残差结构;低特征层;多层级交叉融合
中图分类号：
作者姓名：
叶茂;马杰;王倩;武麟
作者机构：
河北工业大学电子信息工程学院,天津300401
文献出处：
引用格式：
[1]叶茂;马杰;王倩;武麟-.多尺度特征融合的轻量化口罩佩戴检测算法)[J].计算机工程,2022(07):42-50
A类：
MFFN,多层级交叉融合,14ms,轻量化检测算法
B类：
多尺度特征融合,口罩佩戴检测,科学规范,佩戴口罩,流感,呼吸道传染病,疫情形势,YOLOv4,Tiny,残差结构,残差模块,快速收敛,计算量,检测精度,低特征层,信息表达,表达能力,小目标,漏检率,不正确,MB,mAP,百分点,CPU,处理时间,资源受限,对准
AB值：
0.202538
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。
