典型文献
基于Mask-YOLOv3的口罩检测模型
文献摘要：
在常态化疫情防控中,针对公共场所流动人群进行口罩佩戴检测存在的受检测目标小、背景复杂等因素影响,导致常规算法存在口罩目标准确率不高的问题,基于YOLOv3 算法改进的网络结构Mask-YOLOv3 模型融合了密集型卷积神经网络和YOLOv3 算法,解决了小目标提取特征不够充分的问题,增强了卷积层网络特征传播能力,提高了网络检测目标精度.通过添加网络空间金字塔池化结构模型增强了特征的复用,用K-means修改目标先验框加强网络对小目标的检测能力.结果表明,基于Mask-YOLOv3 的口罩检测模型在步行街、食堂、商场等复杂环境能够更准确地检测出人群口罩佩戴情况,改进模型的平均检测率达到 91.3%,与原始YOLOv3 算法相比提高了5.6%,召回率达到89.2%,表明该网络模型对口罩检测更加有效.
文献关键词：
移动人群;口罩检测;YOLOv3;DenseNet;空间金字塔池化模型
中图分类号：
作者姓名：
杨芳;秦建军;孟圆;郑皓冉
作者机构：
北京建筑大学 机电与车辆工程学院,北京 100044;北京市建筑安全监测工程技术研究中心,北京 100044
文献出处：
引用格式：
[1]杨芳;秦建军;孟圆;郑皓冉-.基于Mask-YOLOv3的口罩检测模型)[J].北京建筑大学学报,2022(06):88-95
A类：
移动人群
B类：
Mask,YOLOv3,口罩检测,检测模型,常态化疫情防控,公共场所,流动人群,口罩佩戴检测,受检,算法改进,模型融合,密集型,小目标,目标提取,提取特征,卷积层,网络特征,特征传播,传播能力,网络检测,目标精度,网络空间,模型增强,复用,means,先验框,检测能力,步行街,食堂,商场,复杂环境,改进模型,检测率,召回率,对口,DenseNet,空间金字塔池化模型
AB值：
0.395849
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。
