基于迁移学习的轻量化YOLOv2口罩佩戴检测方法

作者：张烈平; 李智浩; 唐玉良

来源：电子测量技术, 2022, 45(10): 112-117.

DOI：10.19651/j.cnki.emt.2108620

• 计算机神经网络
• 口罩佩戴检测
• 迁移学习
• YOLOv2
• MobileNetV2

针对当前佩戴口罩数据集样本数量较少、硬件条件受限的情况下，本文提出了一种基于迁移学习的轻量化YOLOv2口罩佩戴检测方法。该方法以YOLOv2目标检测方法为基础，利用参数迁移学习的MobileNetV2作为特征提取网络，简化了网络模型并提高了训练速度。预训练的MobileNetV2特征提取网络与YOLOv2目标检测网络结合构成口罩佩戴检测网络模型。收集并建立了1 000张人脸佩戴口罩图片数据集对网络模型进行训练和测试。实验结果表明，与YOLOv2、SSD300模型相比，MobileNetV2-YOLOv2模型口罩佩戴检测平均准确率提高3.8%、2.7%,检测速度提升2.5和2.4倍。并且在光线不足和密集检测条件下，MobileNetV2-YOLOv2依然可以有效进行口罩佩戴检测，相较于R-CNN和Faster-RCNN具有更好的检测效果，体现了更强的鲁棒性。

• 单位
  桂林理工大学