典型文献
基于YOLOv5s+CANet的人脸口罩检测改进算法
文献摘要：
为解决实际应用场景中人脸检测可能会出现的光照模糊、遮挡物不明确等一系列问题,提高检测的精确度,本文基于YOLOv5s算法,针对人脸口罩目标检测进行网络模型改进:在YOLOv5s的主干网络部分和颈部的不同网络层级处加入注意力机制,针对边界框回归任务,替换YOLOv5s模型的损失函数,加速收敛提高回归精度.实验结果表明,当在YOLOv5s的backbone部分的P5层和Neck部分的P4、P5层之后加入Coordinate注意力机制,并用SIoU_Loss替换原本损失函数后,改进后的YOLOv5s算法与基准模型相比,精度值提升了 1.6％.
文献关键词：
目标检测;卷积神经网络;YOLOv5s;注意力机制;CANet
中图分类号：
作者姓名：
吴慧婕;赵刚;胡送惠;王正水
作者机构：
南昌航空大学数学与信息科学学院,南昌 330063;无损检测技术教育部重点实验室(南昌航空大学),南昌 330063
文献出处：
引用格式：
[1]吴慧婕;赵刚;胡送惠;王正水-.基于YOLOv5s+CANet的人脸口罩检测改进算法)[J].南昌航空大学学报（自然科学版）,2022(04):108-115
A类：
YOLOv5s+CANet
B类：
人脸口罩检测,改进算法,人脸检测,遮挡物,高检,目标检测,网络模型改进,主干网络,网络部,部分和,网络层级,注意力机制,边界框回归,损失函数,当在,backbone,P5,Neck,P4,Coordinate,SIoU,Loss
AB值：
0.37956
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
