基于迁移学习的轻量化YOLOv2口罩佩戴检测方法

来源：电子测量技术杂志2022年第10期北京时间：

作者：张烈平，李智浩，唐玉良

单位：桂林理工大学机械与控制工程学院，广西桂林 541006

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。本文收集并建立了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倍和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。

关键词：计算机神经网络;口罩佩戴检测;迁移学习;YOLOv2;MobileNetV2

基金资助：国家自然科学基金项目(61741303)