基于YOLOv5s+CANet的人脸口罩检测改进算法

摘要：

为解决实际应用场景中人脸检测可能会出现的光照模糊、遮挡物不明确等一系列问题,提高检测的精确度,本文基于YOLOv5s算法,针对人脸口罩目标检测进行网络模型改进:在YOLOv5s的主干网络部分和颈部的不同网络层级处加入注意力机制,针对边界框回归任务,替换YOLOv5s模型的损失函数,加速收敛提高回归精度.实验结果表明,当在YOLOv5s的backbone部分的P5层和Neck部分的P4、P5层之后加入Coordinate注意力机制,并用SIoU_Loss替换原本损失函数后,改进后的YOLOv5s算法与基准模型相比,精度值提升了 1.6％.

关键词：目标检测、卷积神经网络、YOLOv5s、注意力机制、CANet

所属期刊栏目：36

分类号：O29(应用数学)

资助基金：南昌航空大学博士启动基金;南昌航空大学重点科研基地开放基金

在线出版日期：2023-03-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：108-115