改进YOLOv5的轻量化口罩检测算法

来源：计算机工程与应用杂志2023年第7期北京时间：

作者：刘翀豪, 潘理虎, 杨帆, 张睿

单位：1.太原科技大学 计算机科学与技术学院，太原 030024 ；2.山西迅龙科技有限公司，太原 030024

摘要：为了提高现有口罩检测算法检测效率，降低算法参数量以及模型大小，提出了一种改进的轻量化口罩检测算法YOLOv5-MBF。用GELU激活函数替换MobileNetV3深层网络的hard-swish激活函数，优化了模型收敛效果，将改进的MobileNetV3网络替换YOLOv5s主干网络，降低计算量提高模型检测速度。增加BiFPN特征金字塔结构与不同特征层融合，提高了检测精度。在数据处理方面使用Mosaic和Mixup数据增强提高该模型的泛化性和鲁棒性。边框回归损失函数使用Focal-Loss EIoU，优化了模型训练收敛速度且提高了口罩和人脸边框定位精度。最后添加CBAM注意力机制使得模型更关注重要特征抑制不显著特征提高检测性能。实验结果表明，该算法在佩戴口罩目标和无佩戴口罩目标上的平均精度均值达到了89.5%，模型推理速度提升了43%，模型参数了减少了49%，模型大小降低了48%，满足口罩检测任务的实时性和检测精度要求。

关键词：口罩检测,YOLOv5,MobileNetv3,BiFPN,Focal-Loss EIoU,注意力机制