一种用于口罩佩戴检测的轻量级YOLOv5s改进算法
沈记全1
马帅2
罗军伟1
张霄宏1
1.河南理工大学 软件学院,河南 焦作 4540002.河南理工大学 软件学院,河南 焦作 454000;河南理工大学 计算机科学与技术学院,河南 焦作 454000
摘要：目的 为了在公共场所准确地检测口罩佩戴并根据检测结果进行人性化提醒,提出一种轻量化的YOLOv5s网络结构,并以此为基础构建一种快速的口罩佩戴检测方案,以应对真实场景中对口罩佩戴检测速度和准确性的双重要求.方法 首先,对快速空间金字塔池化进行改进,用深度卷积替换原来的卷积,以达到对快速空间金字塔池化进行轻量化的目的;其次,提出自校准通道注意力机制,它由两级通道交互构成,第一级交互用于获取邻近通道之间的相关性并根据相关性计算通道权重,第二级交互用于在更大的通道范围内对第一级交互得到的通道权重进行校准,该机制已经应用在网络的Neck部分;再次,对加权双向特征金字塔网络进行改进,增加大尺度特征图和小尺度特征图的融合路径,以丰富融合后的小尺度特征图中包含的细节信息;最后,利用GhostConv模块和C3Ghost模块分别替换Backbone和Neck部分的Conv模块和C3模块,从而降低网络的计算量和参数量,达到对Backbone和Neck进行轻量化的目的.结果 在自制数据集和公共数据集Moxa3K上的实验结果表明,所提方法与YOLOv5s相比,mAP分别提高了 3.1%和 2.9%,参数量分别降低了 46.8%和 46.8%,检测速度分别提升了25%和29.1%.结论 实验结果证明了所提方法的有效性.
关键词：口罩佩戴检测YOLOv5轻量化注意力机制双向特征融合
分类号：TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(61972134)河南理工大学创新科研团队项目(T2021-3)
论文发表日期：2026-02-28
在线出版日期：2025-12-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 153-160 )
英文信息