YOLOv4口罩检测算法的轻量化改进

被引：27

作者：

叶子勋 ^{[1
,2
]}

张红英 ^{[1
,2
]}

机构：

[1] 西南科技大学信息工程学院

[2] 西南科技大学特殊环境机器人技术四川省重点实验室

来源：

计算机工程与应用 | 2021年 / 17期

关键词：

口罩检测; 深度学习; YOLOv4; MobileNetv3; 深度可分离卷积;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对当前YOLOv4目标检测算法网络模型庞大、特征提取不充分且易受光线环境影响的缺点,提出了一种优化了特征提取网络和一般卷积块的轻量化YOLOv4-Lite网络模型。使用改进的MobileNetv3替换原有的主干特征提取网络,减小了网络模型的参数量,提高了检测精度。提出了使用深度可分离卷积块代替原网络中的普通卷积块,使得模型的参数量进一步降低。结合了标签平滑、学习率余弦退火衰减算法,新增了SiLU激活函数代替MobileNetv3浅层网络的ReLU激活函数,优化了模型的收敛效果。优化了Mosaic数据增强方法,提升了模型的鲁棒性。在人脸口罩佩戴任务中与原算法相比,牺牲了1.68%的mAP,但在检测效率(FPS)上提升约180%。

引用

页码：157 / 168

页数：12

共 12 条

[1] 改进YOLOv3的安全帽佩戴检测方法
肖体刚
蔡乐才
高祥
黄洪斌
张超阳
[J]. 计算机工程与应用, 2021, (12) : 216 - 223
[2] 改进YOLO轻量化网络的口罩检测算法
王兵
乐红霞
李文璟
张孟涵
[J]. 计算机工程与应用, 2021, 57 (08) : 62 - 69
[3] 基于YOLOv3和YCrCb的人脸口罩检测与规范佩戴识别
肖俊杰
[J]. 软件, 2020, (07) : 164 - 169
[4] 全天候自然场景下的人脸佩戴口罩识别技术
张修宝
林子原
田万鑫
王艳
沈海峰
叶杰平
[J]. 中国科学:信息科学, 2020, 50 (07) : 1110 - 1120
[5] 基于迁移学习与RetinaNet的口罩佩戴检测的方法
邓黄潇
[J]. 电子技术与软件工程, 2020, (05) : 209 - 211
[6] 各国口罩应用范围及相关标准介绍
左双燕
陈玉华
曾翠
吴安华
任南
黄勋
[J]. 中国感染控制杂志, 2020, 19 (02) : 109 - 116
[7] Detection and localization of hand fractures based on GA_Faster R-CNN
Xue, Linyan
Yan, Weina
Luo, Ping
Zhang, Xiongfeng
Chaikovska, Tetiana
Liu, Kun
Gao, Wenshan
Yang, Kun
[J]. ALEXANDRIA ENGINEERING JOURNAL, 2021, 60 (05) : 4555 - 4562
[8] Detecting soybean leaf disease from synthetic image using multi-feature fusion faster R-CNN
Zhang, Keke
Wu, Qiufeng
Chen, Yiping
[J]. COMPUTERS AND ELECTRONICS IN AGRICULTURE, 2021, 183
[9] Squeeze-and-Excitation Networks[J] . Hu Jie,Shen Li,Albanie Samuel,Sun Gang,Wu Enhua.IEEE Transactions on Pattern Analysis and Machine Intelligence . 2019 (8)
[10] Sigmoid-weighted linear units for neural network function approximation in reinforcement learning[J] . Stefan Elfwing,Eiji Uchibe,Kenji Doya.Neural Networks . 2017

← 1 2 →