基于改进 YOLOv5 的佩戴口罩目标检测算法
计算机视觉与模式识别
2023-10-17 v1 机器学习
摘要
佩戴口罩是预防传染病的重要措施之一。然而，在人流密集的公共场所中难以检测人们的佩戴口罩情况。针对上述问题，本文提出一种基于 YOLOv5l 的佩戴口罩人脸检测模型。首先，多头注意力自卷积不仅提高了模型的收敛速度，还增强了模型的检测精度。其次，引入 Swin Transformer Block 能够提取更有用的特征信息，增强小目标检测能力，并提高模型整体精度。我们设计的 I-CBAM 模块可提升目标检测精度。此外，利用增强特征融合使模型更好地适应不同尺度的目标检测任务。在 MASK 数据集上的实验结果表明，与 YOLOv5l 模型相比，本文提出的模型在 mAP(0.5) 上提升了 1.1%，在 mAP(0.5:0.95) 上提升了 1.3%。我们提出的方法显著增强了佩戴口罩的检测能力。
引用
@article{arxiv.2310.10245,
title = {Mask wearing object detection algorithm based on improved YOLOv5},
author = {Peng Wen and Junhu Zhang and Haitao Li},
journal= {arXiv preprint arXiv:2310.10245},
year = {2023}
}