基于改进的YOLOv3口罩佩戴检测算法研究

冠状病毒COVID-19的爆发引起全球健康危机，要求人们外出时佩戴口罩，因此基于深度学习的口罩佩戴检测技术也应运而生。本文提出一种高效的口罩佩戴检测算法，该算法基于YOLOv3检测框架，设计一种轻量化主干网络代替DarkNet53，该主干网络在浅层采用了一个快速降采样模块提高推理速度；为了进一步准确区分出人们是否正确佩戴口罩，在检测完成之后，使用分类网络进行口罩是否正确佩戴分类。经测试，该算法在CPU运行可达30桢/秒，比YOLOv3的CPV高5桢/秒，在目标检测中的指标（mAP）收集后的WIDER FACE、RMFD和CMFD可以达到94.4%，高于YOLOv3的93.2%。