改进YOLOv5的轻量化口罩检测算法 |
| |
引用本文: | 刘翀豪,潘理虎,杨帆,张睿.改进YOLOv5的轻量化口罩检测算法[J].计算机工程与应用,2023(7):232-241. |
| |
作者姓名: | 刘翀豪 潘理虎 杨帆 张睿 |
| |
作者单位: | 1. 太原科技大学计算机科学与技术学院 |
| |
基金项目: | 山西省自然科学基金(201901D111258); |
| |
摘 要: | 为了提高现有口罩检测算法检测效率,降低算法参数量以及模型大小,提出了一种改进的轻量化口罩检测算法YOLOv5-MBF。用GELU激活函数替换MobileNetV3深层网络的hard-swish激活函数,优化了模型收敛效果,将改进的MobileNetV3网络替换YOLOv5s主干网络,降低计算量提高模型检测速度。增加BiFPN特征金字塔结构与不同特征层融合,提高了检测精度。在数据处理方面使用Mosaic和Mixup数据增强提高该模型的泛化性和鲁棒性。边框回归损失函数使用Focal-Loss EIoU,优化了模型训练收敛速度且提高了口罩和人脸边框定位精度。最后添加CBAM注意力机制使得模型更关注重要特征抑制不显著特征提高检测性能。实验结果表明,该算法在佩戴口罩目标和无佩戴口罩目标上的平均精度均值达到了89.5%,模型推理速度提升了43%,模型参数了减少了49%,模型大小降低了48%,满足口罩检测任务的实时性和检测精度要求。
|
关 键 词: | 口罩检测 YOLOv5 MobileNetv3 BiFPN Focal-Loss EIoU 注意力机制 |
|
|