典型文献
基于改进YOLOv4的口罩佩戴检测算法
文献摘要：
为解决YOLOv4在目标检测任务中检测速度低、模型参数多等问题,提出一种改进YOLOv4的目标检测算法.将YOLOv4主干网络中的CSPDarknet53替换成Mobilenet用以增强YOLOv4的特征提取网络,PANet原有的3×3标准卷积被深度可分离卷积取代,以降低计算负荷,从而提高识别速度,减少模型参数.然后使用K-means++算法对由8565张图像组成的数据集进行anchor维度聚类,以提升算法精度.同时,搭建行人口罩佩戴及人体测温拍摄系统用以在人群密集场所中执行疫情防控任务.在保证YOLOv4-Mobilenet网络精度的前提下,相较于原算法FPS提升200％、模型参数减少82％.改进后的模型平均每秒可检测67张图片,可以胜任实际应用中的口罩佩戴检测任务,结果表明该模型检测效果好、鲁棒性较强.
文献关键词：
YOLOv4;Mobilenet;深度可分离卷积;K-means++;口罩佩戴检测
中图分类号：
作者姓名：
金鑫;曾思轲;刘阳;武楚涵
作者机构：
辽宁石油化工大学信息与控制工程学院,辽宁 抚顺 113001;辽宁石油化工大学创新创业学院,辽宁 抚顺 113001
文献出处：
引用格式：
[1]金鑫;曾思轲;刘阳;武楚涵-.基于改进YOLOv4的口罩佩戴检测算法)[J].计算机与现代化,2022(01):85-90
A类：
B类：
YOLOv4,口罩佩戴检测,检测速度,目标检测算法,主干网络,CSPDarknet53,替换成,Mobilenet,特征提取网络,PANet,标准卷积,深度可分离卷积,means++,图像组,anchor,建行,人体测温,FPS,模型平均,每秒,模型检测,检测效果
AB值：
0.308529
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。
