咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >基于改进YOLOv5m的口罩佩戴检测算法研究 收藏
基于改进YOLOv5m的口罩佩戴检测算法研究

基于改进YOLOv5m的口罩佩戴检测算法研究

作     者:陈思航 

作者单位:辽宁工程技术大学 

学位级别:硕士

导师姓名:肖振久

授予年度:2023年

学科分类:08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 10[医学] 

主      题:YOLOv5m 注意力机制 双尺度特征融合 非极大值抑制 

摘      要:新冠疫情期间佩戴口罩可以有效防止病毒的传播,人员密集的场所中会存在目标尺寸较小、人群相互遮挡、目标排列密集等现象,难以实现对人员是否佩戴口罩的准确检测。针对这一问题提出一种基于改进YOLOv5m模型的口罩佩戴检测算法,以YOLOv5m模型为基础,首先在特征提取网络中分别引入4种注意力机制,聚焦重要信息并抑制无关信息,以增强特征图的表达能力;然后在特征融合层采用双尺度特征融合网络,赋予特征层不同权重以传递更多有效特征信息;最后在输出端用改进的非极大值抑制算法进行后处理。实验选用了由人脸图像和口罩佩戴图像组成的数据集。对4种注意力机制的实验结果表明,引入SE模块后的模型在检测精度上提升最明显,因此在特征提取层选用SE注意力机制;对改进后的YOLOv5m模型进行实验,检测精度达到了88.5%,在保持原模型参数量和检测速度的前提下,检测精度比原方法提高了10.7个百分点,同时对目标检测结果进行可视化分析,证明了改进方法的有效性;与其它目标检测算法进行对比实验,检测精度均有不同程度的提升,验证了改进方法的可行性。因此,改进方法能够合理应对人员密集场所中目标尺寸较小、人群相互遮挡、目标排列密集等现象对检测效果的影响。该论文有图31幅,表5个,参考文献64篇。

读者评论 与其他读者分享你的观点