基于改进YOLOv5算法的口罩检测研究

作者：段必冲; 马明涛^*

来源：计算机工程与应用, 2023, 59(16): 223-231.

• 口罩检测
• GhostNetV2
• Swin-Transformer
• 注意力机制

现有的口罩检测模型无法平衡检测精度和检测速度，参数量较大，为了解决这些问题，提出了一种基于改进YOLOv5的口罩检测算法。该算法主要包括以下四点改进：使用轻量化网络GhostNetV2替换YOLOv5s主干网络中的C3模块，以降低参数量；将YOLOv5s主干提取网络的最后一个C3模块和Neck最后一层的C3模块替换为SwinTransformer结构，来获取更为完整的特征信息，提高检测效果；引入CBAM注意力机制以更好地聚焦于关键信息，从而提高检测效率和检测精度；损失函数使用EIoU替换掉GIoU来提高定位准确度，加快收敛速度。在AIZOO数据集上的实验结果表明，所提出的改进算法的mAP值达到了96.2%,Params降低为6.6×106,FPS高达136，验证数据集上的性能也有很好的提升，相比其他算法，改进算法的性能更优，更适用于口罩检测。

• 单位
  吉林农业科技学院; 吉林化工学院