余阿祥,李承润,于书仪,李洪均,2

(1.南通大学信息科学技术学院,江苏 南通 226019)(2.南京大学计算机软件新技术国家重点实验室,江苏 南京 210023)

新冠肺炎具有极强的传染性[1],可通过呼吸道飞沫、气溶胶和接触传播,病毒能在自然环境下存活 5 d[2],公共场所佩戴口罩成为抑制病毒传播的必要手段. 在国家卫健委发布的《新型冠状病毒感染肺炎预防指南》中明确要求,个人外出前往公共场所、就医和乘坐公共交通工具时需要佩戴口罩. 贯彻落实佩戴口罩的相关规定不仅需要个人自觉遵守,也需要采取一定的手段加以监督.

考虑到口罩检测和目标检测具有很强的相似性,首先对现有的目标检测模型进行研究. Girshick等在2014年提出了R-CNN[3],将神经网络用于目标检测,真正实现了将检测任务转换为分类任务;检测算法的主流也由传统模型转为卷积神经网络模型,检测的平均精度均值得到了巨大的提升. 随后,Girshick等又在2015年相继提出Fast R-CNN[4]和Faster R-CNN[5]. 与R-CNN相比,Fast R-CNN在最后一层卷积层后加了一个 ROI(region of interest)池化层;损失函数使用了多任务损失,将边框回归直接加入到CNN网络中训练. Faster R-CNN创造性地采用卷积网络自行产生建议框,并和目标检测网络共享卷积网络,省去了选择性搜索生成候选框环节,使得算法的速度得到很大的提升,但仍达不到实时检测的效果. Redmon等提出的YOLO算法[6]是首个单阶段目标检测算法,YOLO将目标检测问题看作是一个回归问题,直接从图像像素信息得到边界框的位置和类别概率,速……