基于改进YOLOv3的自然场景人员口罩佩戴检测算法

被引:13
作者
程可欣
王玉德
机构
[1] 曲阜师范大学物理工程学院
关键词
口罩检测; YOLOv3; DarkNet-53; GIoU; 损失函数;
D O I
10.15888/j.cnki.csa.007788
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
针对新冠肺炎防控期间肉眼识别判断行人是否佩戴口罩效率低且存在较大风险的问题,提出一种改进检测目标边框损失的自然场景下行人是否佩戴口罩的检测算法.该算法对YOLOv3损失函数进行改进,应用GIoU计算目标边界框损失,完成自然场景下行人是否佩戴口罩的检测.算法在开源的WIDER FACE数据集和MAFA数据集上训练,采集自然场景图片进行测试,行人是否佩戴口罩的mAP (mean Average Precision)达到了88.4%,取得了较高的检测准确率,在自然场景视频检测中平均每秒传输帧数达到38.69,满足实时检测的要求.
引用
收藏
页码:231 / 236
页数:6
相关论文
共 5 条
[1]   改进RetinaFace的自然场景口罩佩戴检测算法 [J].
牛作东 ;
覃涛 ;
李捍东 ;
陈进军 .
计算机工程与应用 , 2020, (12) :1-7
[2]   基于改进卷积神经网络的交通场景小目标检测 [J].
郑秋梅 ;
王璐璐 ;
王风华 .
计算机工程, 2020, 46 (06) :26-33
[3]   基于YOLOv3模型的实时行人检测改进算法 [J].
范丽 ;
苏兵 ;
王洪元 .
山西大学学报(自然科学版), 2019, 42 (04) :709-717
[4]   基于YOLOv3算法的农场环境下奶牛目标识别 [J].
王毅恒 ;
许德章 .
广东石油化工学院学报, 2019, 29 (04) :31-35
[5]   基于YOLOV3算法的行人检测方法 [J].
孟本成 .
电视技术, 2019, 43 (09) :6-9+46