摘要
佩戴好口罩是居民预防新冠和配合国家疫情防控的有效方式。针对口罩佩戴是否正确、拍摄角度不同以及被遮挡等问题,提出了一种改进的YOLOv7算法。该算法以YOLOv7为基础,在网络的Head区引入卷积注意力机制,使得特征网络在对口罩区域的处理中更具有针对性,从而增强特征网络对口罩区域的学习能力;对Backbone区结构进行优化,对ConvNeXt网络结构进行改进,并引入网络中代替部分卷积,提高模型的检测精度和鲁棒性,增强预测精确度的同时不会引入大量额外的计算。对Head层的空间金字塔池化进行改进,提高了训练速度并且加快模型收敛。实验结果表明,在复杂及遮挡的情况下,改进后的YOLOv7的损失函数大幅下降,在测试集上的mAP为93.8%,相比于原始YOLOv7算法提高了3.6%。各个类别的检测精度均有提升,没佩戴口罩、正确佩戴口罩、不正确佩戴口罩类别的精度分别提升6.8%、2.1%、1.7%。本文算法的错检情况明显减少,泛化能力有显著提升。
-
单位工业控制技术国家重点实验室; 青岛大学; 自动化学院