改進(jìn)YOLO輕量化網(wǎng)絡(luò)的口罩檢測算法

王 兵，樂紅霞，李文璟，張孟涵

1.西南石油大學(xué) 計(jì)算機(jī)科學(xué)學(xué)院，成都610500

2.中國電信股份有限公司 成都分公司，成都610051

3.電子科技大學(xué) 信息與軟件工程學(xué)院，成都610500

一些大型病毒可以通過飛沫和其他介質(zhì)傳播，在公共場所佩戴口罩對于減少疾病的傳播至關(guān)重要。在人群密集的區(qū)域（例如社區(qū)、超市和車站）通過人工方式檢查口罩佩戴情況會消耗大量的人力資源且容易漏檢，因此實(shí)現(xiàn)口罩佩戴檢測算法具有重要現(xiàn)實(shí)意義。

近年來，由于深度學(xué)習(xí)的快速性、可擴(kuò)展性和端到端學(xué)習(xí)等優(yōu)點(diǎn)，一系列基于深度學(xué)習(xí)的目標(biāo)檢測算法被提出。YOLO 系列[1-4]可能是實(shí)際應(yīng)用中最流行的目標(biāo)檢測算法，在YOLO的基礎(chǔ)上對網(wǎng)絡(luò)進(jìn)行改進(jìn)也容易取得需要的效果。例如楊晉升等人研究對基于YOLO 輕量化網(wǎng)絡(luò)的交通標(biāo)志檢測[5]通過在骨干網(wǎng)絡(luò)中使用深度可分離卷積更好地提取中小型目標(biāo)。施輝等人對基于YOLO輕量化網(wǎng)絡(luò)的安全帽佩戴檢測[6]采用圖像金字塔結(jié)構(gòu)并構(gòu)建安全帽數(shù)據(jù)集獲取更具工業(yè)應(yīng)用的模型。這些改進(jìn)的算法在目標(biāo)檢測領(lǐng)域上有著重要的意義，但是這些方法仍沒有很好地說明特征提取和利用率的問題。

YOLOv4為最近的開源目標(biāo)檢測網(wǎng)絡(luò)，在速度和精度上與同時(shí)期目標(biāo)檢測網(wǎng)絡(luò)有著明顯的優(yōu)勢。YOLOv4采用具有深層結(jié)構(gòu)的CSPDarknet53 作為骨干網(wǎng)絡(luò)，使用PANet[7]代替FPN[8]進(jìn)行參數(shù)聚合，檢測準(zhǔn)確率高但對硬件配置要求較高，在小型硬件平臺中檢測速度慢，因此在嵌入式平臺上普遍使用YOLOv4tiny 進(jìn)行檢測，雖然檢測速度快但由于網(wǎng)絡(luò)層次簡單，特征提取能力不足，檢測效果低于YOLOv4。

為解決以上不足，本文提出以YOLOv4-tiny為基礎(chǔ)的一種改進(jìn)YOLO 輕量化網(wǎng)絡(luò)的檢測算法，主要貢獻(xiàn)如下：

（1）針對YOLOv4-tiny 網(wǎng)絡(luò)層次較簡單，無法提取更多主要特征的問題，提出了增加Max Module結(jié)構(gòu)獲取更多有效局部特征，提升檢測準(zhǔn)確率。

（2）針對YOLOv4-tiny較深層網(wǎng)絡(luò)丟失淺層邊緣信息的問題，構(gòu)建自下而上的多尺度特征融合網(wǎng)絡(luò)，提升數(shù)據(jù)利用效率。

（3）針對模型收斂速度慢的問題，采用CIoU作為邊框回歸損失函數(shù)，使預(yù)測框更接近真實(shí)框，加快模型收斂速度。

1 相關(guān)工作

1.1 目標(biāo)檢測算法

采用深度學(xué)習(xí)進(jìn)行目標(biāo)檢測算法大致分為兩類：一種是使用區(qū)域候選網(wǎng)絡(luò)（RPN）來提取候選目標(biāo)信息的兩階段檢測算法，如AlexNet[9]、R-CNN[10]、Faster R-CNN[11]、Mask R-CNN[12]等。兩階段檢測器主要由三部分組成：骨干網(wǎng)、區(qū)域建議模塊和檢測頭。首先，區(qū)域建議模塊用于區(qū)域建議。它可以生成可能包含感興趣對象的許多候選區(qū)域。通過判斷前景和背景，它使用邊界框回歸來校正錨點(diǎn)的位置。通過區(qū)域推薦網(wǎng)絡(luò)[13]、區(qū)域改進(jìn)方法[14-15]、區(qū)域建議深度特征計(jì)算方法[16-17]和骨干網(wǎng)絡(luò)結(jié)構(gòu)[18]可以生成高質(zhì)量區(qū)域，但是，使用這些區(qū)域來推斷兩階段目標(biāo)檢測器需要消耗大量計(jì)算資源，并且需要依賴更高的硬件平臺。于是端到端的YOLO、SSD[19]和Retinanet[20]等一階段目標(biāo)檢測器被提出，該目標(biāo)檢測算法通過獲取輸入圖像并學(xué)習(xí)相對于預(yù)定義錨點(diǎn)的類別概率和邊界框坐標(biāo)，直接將目標(biāo)檢測視為回歸問題?；谝浑A段目標(biāo)檢測器的Anchor-free 的網(wǎng)絡(luò)模型，如CenterNet[21]和CornerNet[22]也取得巨大發(fā)展，這些模型不再使用錨框機(jī)制而是直接使用預(yù)測模型輸出的中心點(diǎn)或者邊角點(diǎn)與真實(shí)檢測框的偏移進(jìn)行回歸。目前，越來越多研究者也開始重視輕量網(wǎng)絡(luò)結(jié)構(gòu)[23]以及改進(jìn)特征圖在網(wǎng)絡(luò)中的特征提取和融合算法[24]。NAS-FPN[25]針對不同尺度特征圖的神經(jīng)架構(gòu)來搜索最優(yōu)的跨尺度特征網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，但是需要多GPU花費(fèi)大量時(shí)間搜索最優(yōu)結(jié)構(gòu)。BiFPN[26]將簡化的橫向擴(kuò)展并在各層融合，以實(shí)現(xiàn)最大效率特征圖的融合效果，但是這種橫向擴(kuò)展多層次的融合對原始圖的位置描述信息可能有較大的損失。

1.2 YOLOv4-tiny網(wǎng)絡(luò)

一階段檢測算法通常具有更快的檢測速度，它的檢測速度和檢測精度相對平衡，但由于YOLO的深層次結(jié)構(gòu)和巨大的參數(shù)量，各種輕量級網(wǎng)絡(luò)（YOLO-tiny[27-28]、YOLO Nano[29]等）被提出。YOLOv4-tiny是最新的YOLO輕量級網(wǎng)絡(luò)，相較于之前的輕量網(wǎng)絡(luò)，在mAP和檢測速率上都有巨大的提升。其骨干網(wǎng)絡(luò)主要包括下采樣CBL結(jié)構(gòu)和CSP結(jié)構(gòu)，下采樣CBL結(jié)構(gòu)中，每個卷積核大小為3×3，步長為2，主要對圖像進(jìn)行下采樣處理。CSP結(jié)構(gòu)[30]將基礎(chǔ)層的特征映射劃分為兩部分，通過跨層連接將它們合并，增強(qiáng)卷積神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力，在減少了計(jì)算量的同時(shí)可以保證準(zhǔn)確率?？鐚舆B接與殘差網(wǎng)絡(luò)的結(jié)果類似，這樣有兩個好處：（1）形成特征映射，實(shí)現(xiàn)特征的重用以獲得更多的語義信息，提高檢測準(zhǔn)確率；（2）降低計(jì)算瓶頸，減少內(nèi)存開銷。其具體網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)如圖1所示。

圖1 YOLOv4-tiny網(wǎng)絡(luò)結(jié)構(gòu)圖

圖1中的Convolutional 由一個卷積層、批標(biāo)準(zhǔn)化BN層[31]以及LeakyRelu激活函數(shù)構(gòu)成。BN層可降低不同樣本間值域的差異性，避免梯度消失和梯度爆炸的問題，同時(shí)減少參數(shù)或其初始值尺度的依賴性，提高網(wǎng)絡(luò)范化能力。Leaky ReLU 給所有負(fù)值賦予一個非零斜率，避免神經(jīng)元的失活現(xiàn)象。

在YOLO中，將整個圖片劃分為S×S個格子，每個格子作為先驗(yàn)錨框的局部坐標(biāo)，在格子內(nèi)訓(xùn)練的網(wǎng)絡(luò)預(yù)測的坐標(biāo)偏移量、物體置信度和類別置信度對每個錨框分別進(jìn)行擬合，最后經(jīng)過非極大值抑制篩選后得到檢測的邊界框坐標(biāo)和類別。其損失函數(shù)如式（1）所示：

其中，Lxywh為預(yù)測框與真實(shí)框的中心點(diǎn)和寬高誤差之和，λcoord為坐標(biāo)系數(shù)；Lconfidence為目標(biāo)置信度誤差，分為有物體和無物體的兩項(xiàng)置信度誤差，λobj和λnoobj分別為有物體和無物體的置信度系數(shù)；Lclasses為目標(biāo)分類損失，表示為第i個網(wǎng)格的第j個錨框的匹配情況。

2 網(wǎng)絡(luò)模型

本文提出了一種改進(jìn)YOLOv4-tiny 的新網(wǎng)絡(luò)結(jié)構(gòu)（以下簡稱YOLOv4-tiny Max）。低層特征可以提供更加準(zhǔn)確的位置信息，使用最大池化層能降低圖像尺寸并提取關(guān)鍵信息，但由于最大池化層只和前層部分神經(jīng)元連接，一個池化神經(jīng)元沒有權(quán)重，僅通過最大聚合函數(shù)對輸入特價(jià)進(jìn)行聚合可能會丟失重要的位置信息，因此使用大小為3×3，步長為2 的卷積層代替網(wǎng)絡(luò)結(jié)構(gòu)中的最大池化操作，帶參數(shù)的卷積層會保留更多特征圖信息。經(jīng)過一系列下采樣CBL 結(jié)構(gòu)和多次卷積操作會使得深層網(wǎng)絡(luò)的目標(biāo)定位存在誤差，因此構(gòu)建一個MaxModule結(jié)構(gòu)提取中小型目標(biāo)的主要特征，其中一條分支網(wǎng)絡(luò)再經(jīng)過自下而上的多尺度特征融合結(jié)構(gòu)，最終獲得兩種不同尺度的檢測頭輸出，其網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

2.1 Max Module

He[32]等人的研究表明卷積神經(jīng)網(wǎng)絡(luò)全連接層的輸入必須是固定的特征向量，直接將圖片進(jìn)行拉伸會導(dǎo)致圖片信息的丟失從而影響識別的精度。SPP 作為一個優(yōu)秀的網(wǎng)絡(luò)組件，其不需指定輸入圖像的尺寸或比例，就能夠產(chǎn)生固定大小的特征表示再送進(jìn)全連接層，這樣就可以很好地解決該問題。

基于以上研究，提出Max Module 結(jié)構(gòu)，添加在多尺度融合過程中以獲得更多有效局部特征信息，Max Module結(jié)構(gòu)如圖3所示。

圖2 改進(jìn)的網(wǎng)絡(luò)結(jié)構(gòu)圖

圖3 Max Module結(jié)構(gòu)

使用大（13×13）、中（9×9）、?。?×5）三種不同尺度的最大池化窗口分別作用于傳入的上層卷積特征，選取特征圖區(qū)域的最大值作為該區(qū)域池化后的值，為保持特征圖大小不變，設(shè)置步長為1，最后把輸入特征圖和經(jīng)過最大池化后的局部尺寸特征圖進(jìn)行通道融合再傳入瓶頸層，增加網(wǎng)絡(luò)深度的同時(shí)又保留前層特征，提升網(wǎng)絡(luò)性能。圖4 從左往右依次是原圖、采用Max Module 結(jié)構(gòu)和采用對應(yīng)層數(shù)卷積操作后的特征圖。

圖4 特征圖對比

從圖4 可以看出，采用Max Module 結(jié)構(gòu)的特征圖邊緣信息和主要特征更清晰豐富，有助于提升檢測準(zhǔn)確率。Max Module中類似空間金字塔的結(jié)構(gòu)不需要對輸入特征圖進(jìn)行等分就能提取多尺度的局部特征圖像，瓶頸結(jié)構(gòu)使得網(wǎng)絡(luò)仍然能有效進(jìn)行反向傳播。

2.2 自下而上的多尺度特征融合結(jié)構(gòu)

淺層特征到深層特征到傳遞路徑較長，其邊緣信息和定位信息容易丟失，導(dǎo)致數(shù)據(jù)利用率低、檢測精度不理想等問題，為充分使用特征信息，對輸出較大檢測頭的分支網(wǎng)絡(luò)使用自下而上對多尺度特征融合結(jié)構(gòu)。

不同于原始YOLOv4-tiny 直接使用卷積和上采樣操作，該結(jié)構(gòu)（如圖2（b））首先進(jìn)行二倍上采樣，與主干網(wǎng)絡(luò)第三個CSP結(jié)構(gòu)進(jìn)行特征圖融合后再經(jīng)過一個1×1卷積傳入CSP結(jié)構(gòu)，其前饋傳遞方程如式（2）所示：

其中，*表示卷積算子，[x0,x1,…]表示連接(x0,x1,…)的各個分量，Xi和Wi分別是第i個連接的輸出和權(quán)重。權(quán)重更新方式如式（3）所示：

其中，f是權(quán)重更新的函數(shù)，gi表示傳播到第i個連接的梯度。可以看出更新的權(quán)重信息W'T和W'U是由不同梯度信息分開整合的，這樣既保留了特征重復(fù)使用的特點(diǎn)，又通過截?cái)嗵荻确乐沽诉^多的重復(fù)梯度信息，提升數(shù)據(jù)利用效率。類似殘差結(jié)構(gòu)的特征圖融合可以讓網(wǎng)絡(luò)獲取到深層結(jié)構(gòu)信息也不會導(dǎo)致梯度消失，同時(shí)又能傳遞淺層的強(qiáng)定位信息和邊緣特征，在不同圖像細(xì)粒度上聚合并形成更全面的圖像特征，提高目標(biāo)檢測效果。

2.3 CIoU在改進(jìn)網(wǎng)絡(luò)中的使用

通過骨干網(wǎng)絡(luò)和特征融合結(jié)構(gòu)后，最終產(chǎn)生兩個檢測頭，分別負(fù)責(zé)檢測不同尺度的目標(biāo)。每個檢測頭中的特征圖被分配了三個不同的錨框，以預(yù)測由四個邊框坐標(biāo)生成預(yù)測框。在以前的工作中，IoU[33]用于測量所生成的預(yù)測框與真實(shí)框之間的重疊率，計(jì)算公式如式（4）所示：

其中，A為預(yù)測框的面積，B為真實(shí)框的面積，IoU(A,B)為A與B的交并比，也就是預(yù)測框的面積與真實(shí)框的面積的交集除以其并集。由公式可以看出，對于兩個IoU 相同的物體，無法表示它們的對齊方式，若預(yù)測框和真實(shí)框沒有重疊（沒有交集），IoU 始終為0，無法優(yōu)化，為避免這些問題，本文采用CIoU[34]作為邊框回歸損失函數(shù)，損失函數(shù)如式（5）所示：

其中，α是用于做協(xié)調(diào)比例的參數(shù)，v是用來衡量長寬比一致性的參數(shù)，b和bgt分別表示預(yù)測框和真實(shí)框的中心點(diǎn)，ρ()表示歐式距離，c表示預(yù)測框和真實(shí)框的最小外界矩形的對角線距離。α和v的計(jì)算方法如下：

CIoU直接最小化預(yù)測框與目標(biāo)框之間的歸一化距離以達(dá)到更快的收斂速度，且對尺度具有不變形，使回歸在與目標(biāo)框有重疊甚至包含時(shí)更準(zhǔn)確、更快。

從表1和圖5可知，CIoU在損失收斂效果和mAP上均優(yōu)于IoU，因此使用CIoU作為邊框回歸損失函數(shù)對網(wǎng)絡(luò)性能的提升是有很大意義的。

表1 不同邊框回歸損失函數(shù)方法對比

圖5 損失收斂對比

3 實(shí)驗(yàn)與結(jié)果分析

根據(jù)默認(rèn)配置訓(xùn)練本文算法，訓(xùn)練期間的初始學(xué)習(xí)率為0.001，衰減系數(shù)為0.000 5，最小批量大小為64，采用半精度加速訓(xùn)練。在平臺方面，操作系統(tǒng)為Ubuntu 64位，CPU為Intel i7-7700 4.2 GHz；內(nèi)存大小為32 GB；GPU 采 用NVIDIA GeForce GTX1080ti*4 的32 GB 顯卡；編譯環(huán)境為Pycharm/python語言。分別在公開數(shù)據(jù)集PASCAL VOC和自制口罩?jǐn)?shù)據(jù)集對該算法進(jìn)行實(shí)驗(yàn)對比與分析。

3.1 口罩?jǐn)?shù)據(jù)集的制作

口罩?jǐn)?shù)據(jù)集來自于公開數(shù)據(jù)集MAFA 和Wilder Face 中所有佩戴口罩的數(shù)據(jù)集和部分未佩戴口罩的人臉數(shù)據(jù)集。對數(shù)據(jù)進(jìn)行篩選并刪除標(biāo)簽和特征不對應(yīng)的圖片后，總共保留了6 757 張圖像，包括3 893 張臉部和2 864 張被口罩遮擋的臉部，使用兩個預(yù)定義類別：face（臉部）和face_mask（被口罩遮擋的臉部）標(biāo)記數(shù)據(jù)集中的圖像。部分圖像如圖6所示，其中，A類對應(yīng)標(biāo)簽為face_mask，B類對應(yīng)標(biāo)簽為face。

3.1.1 口罩?jǐn)?shù)據(jù)集的預(yù)處理

仿照PASCAL VOC 格式處理口罩?jǐn)?shù)據(jù)集，將標(biāo)注信息進(jìn)行歸一化處理，歸一化公式如式（8）所示：

圖6 部分Wilder MAFA Face數(shù)據(jù)集示例

其中，(weight,height) 為原始圖片的寬度和高度，(xmin,ymin)、(xmax,ymax)分別為原始樣本真實(shí)邊界框的左上角位置信息和右下角位置信息，(x,y)、(w,h)分別為目標(biāo)進(jìn)行歸一化后的中心點(diǎn)坐標(biāo)和寬高。圖片歸一化后，邊界框信息總共包含5 個參數(shù)：即(x,y,w,h)和類別對應(yīng)的標(biāo)簽編號。

3.1.2 重置口罩?jǐn)?shù)據(jù)集的錨框

在基于錨框的目標(biāo)檢測網(wǎng)絡(luò)中，錨框設(shè)置的合理性對于最終模型的性能至關(guān)重要，若錨框的大小與被測物體的尺度不一致，那么錨框的正樣本數(shù)可能會非常少，這將導(dǎo)致大量漏檢和誤檢情況。大部分目標(biāo)檢測網(wǎng)絡(luò)使用默認(rèn)的通用錨框參數(shù)以適應(yīng)通用的公開數(shù)據(jù)集，例如YOLOv4-tiny 使用的6 組適用于通用場景的通用錨框參數(shù)：[（10，14），（23，27），（37，58），（81，82），（135，169），（344，319）]。為了避免在口罩?jǐn)?shù)據(jù)集上使用通用錨框造成正負(fù)樣本的不平衡問題，本文使用k-means++聚類算法[23]根據(jù)聚類中心和數(shù)據(jù)框分布重新生成6組新的錨框參數(shù)[（12，16），（23，30），（41，53），（70，94），（124，168），（251，338）]用于本算法的口罩算法訓(xùn)練。數(shù)據(jù)的聚類中心分布結(jié)果如圖7 所示，其中，灰點(diǎn)是對象框大小的分布，紅色三角形是聚類的結(jié)果。數(shù)據(jù)框分布統(tǒng)計(jì)如圖8所示。

圖7 聚類中心分布結(jié)果

圖8 數(shù)據(jù)框的分布統(tǒng)計(jì)

可以看到人臉高寬比例多數(shù)都在1.4∶1左右。所以，對于口罩?jǐn)?shù)據(jù)集，可以將錨框比例設(shè)置為1∶1、1.4∶1、1.7∶1，而沒必要設(shè)置為通用錨框比例。

3.2 Mosaic數(shù)據(jù)增強(qiáng)

隨機(jī)改變訓(xùn)練樣本可以降低模型對物體出現(xiàn)位置的依賴，提高模型的泛化能力，因此本文算法在訓(xùn)練過程中對訓(xùn)練數(shù)據(jù)進(jìn)行Mosaic 數(shù)據(jù)增強(qiáng)訓(xùn)練技巧，即隨機(jī)讀取4 張訓(xùn)練圖像，進(jìn)行翻轉(zhuǎn)和旋轉(zhuǎn)等操作后，按一定比例組合成1張圖片。部分訓(xùn)練圖片如圖9所示。

3.3 PASCAL VOC數(shù)據(jù)集實(shí)驗(yàn)結(jié)果分析

選取VOC2007 訓(xùn)練驗(yàn)證集和VOC2012 訓(xùn)練驗(yàn)證集作為訓(xùn)練數(shù)據(jù)（總共包含16 551 張圖片），VOC2007測試集作為測試數(shù)據(jù)（總共包含4 952張圖片）。將本文算法與Faster RCNN、SSDLite、SSD、YOLOv3、YOLOv3-tiny、YOLOv4 和YOLOv4-tiny 進(jìn)行對比，所有算法在PASCAL VOC 數(shù)據(jù)集中均采用通用錨框比例，實(shí)驗(yàn)對比結(jié)果如表2所示。

表2 不同算法結(jié)果對比

圖9 經(jīng)Mosaic處理的訓(xùn)練數(shù)據(jù)集示例

由表2 可知，大型網(wǎng)絡(luò)檢測準(zhǔn)確率高，但是檢測速度較慢，輕量網(wǎng)絡(luò)檢測速度快但是檢測準(zhǔn)確率較低。YOLOv4-tiny 在輕量級網(wǎng)絡(luò)中檢測速度和檢測準(zhǔn)確率較為均衡，但由于網(wǎng)絡(luò)結(jié)構(gòu)簡單，存在特征提取能力不足等問題。本文所提算法雖然mAP 不及表2 中的大型網(wǎng)絡(luò)，但模型體積最小，更適合部署于移動端。在模型體積相差不大的同等輕量級網(wǎng)絡(luò)YOLOv3-tiny 和YOLOv4-tiny 中，mAP 分別提高13.1 個百分點(diǎn)和4.9 個百分點(diǎn)，其主要原因是Max Module能更好提取圖像特征，自下而上的多尺度融合增強(qiáng)模型對特征的利用率，提高準(zhǔn)確率，使用CIoU 更好地描述預(yù)測框和真實(shí)框的距離，加快模型收斂速度，同時(shí)對訓(xùn)練集采取Mosaic處理，豐富檢測物體的背景，獲得更好的泛化能力。檢測速率略低是由于隨著mAP 的提高，會檢測出更多目標(biāo)框，因此時(shí)間開銷增加，但該檢測速度仍符合實(shí)際檢測場景的實(shí)時(shí)性要求。

3.4 口罩?jǐn)?shù)據(jù)集實(shí)驗(yàn)結(jié)果分析

按7∶3 隨機(jī)將口罩?jǐn)?shù)據(jù)集劃分為訓(xùn)練集和測試集，將本文算法與同等輕量級網(wǎng)絡(luò)YOLOv3-tiny 和YOLOv4-tiny 進(jìn)行對比，為進(jìn)一步說明Max Module 結(jié)構(gòu)的有效性，在YOLOv3-tiny 對應(yīng)的檢測頭網(wǎng)絡(luò)前相同位置加入Max Module 結(jié)構(gòu)（以下簡稱YOLOv3-tiny Max）。所有算法在口罩?jǐn)?shù)據(jù)集中均采用k-means++聚類生成的錨框比。以平均精度均值（mAP）、每秒識別幀數(shù)、精確率（Precision）和召回率（Recall）作為評價(jià)指標(biāo)，不同算法的實(shí)驗(yàn)結(jié)果如圖10和表3所示。

圖10 輕量算法在口罩?jǐn)?shù)據(jù)訓(xùn)練集的mAP對比

表3 不同輕量網(wǎng)絡(luò)的口罩檢測結(jié)果對比

從圖10 和表3 可以看出，本文算法在mAP 和檢測速率上表現(xiàn)最好。YOLOv3-tiny 采用卷積層和最大池化層組成的7 層網(wǎng)絡(luò)較淺，無法提取更多特征，故mAP最低，從精確率和召回率可知，YOLOv3-tiny中，正負(fù)樣本不平衡，誤檢情況可能較高，增加Max Module 結(jié)構(gòu)的YOLOv3-tiny Max相較于原算法，mAP提升明顯，但由于未改變基礎(chǔ)網(wǎng)絡(luò)和特征融合方式，正負(fù)樣本優(yōu)化情況仍有待改善。相較于YOLOv4-tiny，檢測速率相差不大，但mAP提高3.3個百分點(diǎn)。這是由于改進(jìn)的算法結(jié)構(gòu)增加Max Module更好地提取主要特征，采用自下而上的多尺度特征融合，提升淺層網(wǎng)絡(luò)邊緣信息利用率，使低層定位信號增強(qiáng)整個特征層次。因此，從實(shí)驗(yàn)對比結(jié)果可知，對于實(shí)際的口罩佩戴檢測場景而言，本文提出的改進(jìn)點(diǎn)是有效的，改進(jìn)的YOLO網(wǎng)絡(luò)同時(shí)兼顧了檢測準(zhǔn)確率和檢測速率，能較好完成口罩佩戴檢測任務(wù)。

圖11 各種算法的檢測效果對比圖

為了更加直觀地說明不同檢測算法之間的區(qū)別，選取了一些檢測圖像進(jìn)行對比分析，從左到右依次是：原始圖像、本文算法檢測結(jié)果、YOLOv4-tiny 檢測結(jié)果、YOLOv3-tiny Max檢測結(jié)果和YOLOv3-tiny檢測結(jié)果。

從圖11可以看出，YOLOv3-tiny漏檢情況嚴(yán)重且檢測框位置偏差嚴(yán)重，YOLOv3-tiny Max和YOLOv4-tiny檢測效果相差不大，但均未識別出遠(yuǎn)處的人物，改進(jìn)YOLO輕量化網(wǎng)絡(luò)則彌補(bǔ)了這一缺陷。因此，在以上輕量網(wǎng)絡(luò)算法中，本文提出的改進(jìn)YOLO輕量化網(wǎng)絡(luò)方法更適合口罩佩戴檢查任務(wù)。

4 結(jié)束語

本文提出了一種改進(jìn)YOLO 輕量化網(wǎng)絡(luò)的口罩檢測算法。提出Max Module結(jié)構(gòu)能獲取更主要的特征，自下而上的特征融合結(jié)構(gòu)保留淺層網(wǎng)絡(luò)的邊緣信息和定位信息，提升特征利用率，引用CIoU預(yù)測框與真實(shí)框的位置，加快損失收斂速度，構(gòu)建口罩佩戴數(shù)據(jù)集并使用k-means++重構(gòu)錨框比例，采用Mosaic方法處理訓(xùn)練集，提高模型在實(shí)際檢測場景中的泛化能力，使模型更加適用于口罩佩戴檢測場景。實(shí)驗(yàn)結(jié)果表明，相比于原算法YOLOv4-tiny，在VOC 數(shù)據(jù)集和口罩檢測任務(wù)中，mAP 分別提升4.9 個百分點(diǎn)和3.3 個百分點(diǎn)，檢測速率分別達(dá)到74 frame/s和64 frame/s，其檢測準(zhǔn)確率和檢測速率更為均衡，適用于口罩佩戴檢測任務(wù)。但是在其他檢測場景和通用場景中，檢測準(zhǔn)確率仍不及大型檢測網(wǎng)絡(luò)，如何使模型適用于更多檢測場景，這依然是一個有待解決的問題。