ICE-YoloX-基于改进YoloX网络的口罩检测算法研究_健康动态

　　COVID-19口罩的使用引发了人们对提高在复杂环境中检测口罩的速度和准确性的兴趣。一种方法是使用像YoloX网络这样的深度学习方法，但它受到语义信息丢失和混淆效应的影响，影响了其精确定位能力。信道增强特征金字塔(CE-FPN)虽然能较好地缓解干扰效应，但其自身的结构导致计算量和参数数量增加。为了解决这些问题，我们提出了一种改进的通道增强特征金字塔(ICE-FPN)，它能够减少CE-FPN的计算和参数计数，并减轻混淆效应。然后，在颈部引入特征增强模块(FEM和FEM-s)，增强颈部网络中特征融合的语义丰富性;在颈部末端加入上下文注意增强模块(CAEM)，有效提高复杂环境下对戴面具目标的精确定位能力。最后，我们在训练过程中利用迁移学习技术，在WMD数据集上进行的消融实验和在PWMFD数据集上进行的对比实验表明，我们提出的ICE-YoloX的性能得到了显著提高，结果表明，在WMD数据集上，mAP0.5从99.54提高到99.62%，mAP0.75从89.47%提高到91.64%。

　　摘要

　　访问选项

　　数据availibility

　　参考文献

　　作者信息

　　道德声明

　　访问选项

　　搜索

　　导航

　　#####

一物网声明：未经许可，不得转载。

为您推荐：

资讯

科技快讯

商业

地球与科学

生活

健康动态

体育

国际

综合

ICE-YoloX-基于改进YoloX网络的口罩检测算法研究

为您推荐：

关于我们

快速链接

联系我们