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 Zhang Lieping;Li Zhihao;Tang Yuliang

作者机构：桂林理工大学机械与控制工程学院桂林541006 

出 版 物：《电子测量技术》 (Electronic Measurement Technology)

年 卷 期：2022年第45卷第10期

页      面：112-117页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61741303)项目资助 

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

摘      要：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1000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。