注意力机制优化SSD的戴口罩人脸快速检测研究

MobileNet-SSD算法在目标检测领域具有速度快、参数少的优点。尤其在大目标检测方面,准确率、召回率、AP值较高,但对于小目标检测,检测速度快但存在准确率、召回率及AP值偏低等问题。鉴于此,本文通过添加Mosaic数据增强算法增加小物体图片扩充数据集,选用Focal Loss取代Softmax Loss分类损失函数,通过整体修改特征提取网络并添加修改过后SE通道注意力构建一种新特征提取网络(DynaNet),并基于此网络实现SSD算法,实现对戴口罩人脸的检测。实验证明,相较于MobileNet-SSD算法,DynaNet-SSD针对小目标戴口罩人脸,检测准确率提高了6.9%、召回率提高了4.3%,mAP值提高了6.82%,检测速度快于RetinaNet和YoloV5。