基于改进SSD的口罩佩戴检测算法

新冠疫情期间,佩戴口罩成为出入公共场合的行为规范。但在商场、火车站、机场等人员密集、人流量较大的场所,仅仅由工作人员进行监督、督促口罩佩戴不但检测效率低,而且还极大地浪费了人力资源。除此之外,疫情传播的风险也随之升高。为减轻防疫压力,文章提出一种基于改进SSD的口罩佩戴检测算法。为提高特征提取能力,将原先的VGG-16特征提取网络替换为ResNet50特征提取网络。围绕行人人脸目标尺寸小、外观信息少等特点,从特征上下文信息的关联角度提出一种基于权重的特征融合的子网络,有效地融合低层特征信息与高层抽象语义信息。并在特征融合层后添加裁剪-权重分配网络(SENet),对预测特征层的通道进行权重分配,提升有用的特征权重并抑制无效的特征权重。实验结果表明,改进后的算法在训练数据集上较原有算法的评价精度在IOU为0.5、0.75、0.50:0.95下分别提升4.1%、9.9%、5.3%。