基于YOLOv4的轻量化口罩佩戴检测模型设计

作者：王艺霏; 贺利乐; 何林^*

来源：西北大学学报（自然科学版）, 2023, 53(02): 265-273.

DOI：10.16152/j.cnki.xdxbzr.2023-02-012

• 口罩检测
• 深度学习
• YOLOv4
• GhostNet
• 深度可分离卷积

受呼吸传染疾病的影响，公共场所佩戴口罩已成为常态，通过机器检测替代人工检查可以大大节省人力资源。常用的基于神经网络的目标检测模型往往参数量和计算量大，不利于终端部署和成本控制。面对上述问题，该文在YOLOv4通用化目标检测算法基础上，提出一种轻量化口罩检测模型G-YOLOv4。引入Ghost module模块搭建特征提取网络，在降低模型参数量和计算量的同时，提高了模型的检测精度和检测速度；在特征融合网络中引入深度可分离卷积，进一步降低模型计算量，减少过度拟合；使用Mish激活函数作为特征提取网络的激活函数，优化了模型的收敛效果。实验结果表明，G-YOLOv4算法的mAP为93.21%,相比于YOLOv4算法提高率为5.52%;模型参数大小为11 488 785,相比于YOLOv4算法减少率为82.05%;模型的计算量为7.05 GFLOPs,相比于YOLOv4算法减少率为72.90%;模型的检测效率(FPS)达到了38.23,相比于YOLOv4算法提升率为204.14%。

• 单位
  机电工程学院; 西安建筑科技大学