叶子勋，张红英

1.西南科技大学 信息工程学院，四川 绵阳621010

2.西南科技大学 特殊环境机器人技术四川省重点实验室，四川 绵阳621010

自2019年12月新型冠状病毒肺炎（COVID-19）爆发以来，疫情迅速蔓延到世界各国，逐渐成为全球性瘟疫。不同程度地影响着人们的生活方式和社会经济的发展，人类的生命健康受到了严重的威胁。在外部环境不断变化的情况下，我国的疫情控制和预防工作仍然面临严峻挑战。目前学术界认为新型冠状病主要通过呼吸道传播和飞沫传播，但是不能排除其通过气溶胶传播的可能。理论上，使用医用外科口罩可以有效降低呼吸道暴露在病毒中的概率，它能阻止病原体通过飞沫传播，具有双向的隔离和保护作用。开发一套人脸口罩佩戴检测系统对于公众防范新型冠状病毒感染，降低感染风险和维持人体基本健康具有重要意义[1]。

至今为止，目标检测领域有着很多优秀的算法。它们在方法步骤上可以分为两类，一类是以YOLO[2-5]系列和SSD[6]系列为代表的基于回归的One-Stage算法，另一类是以Fast-CNN[7]和Faster-CNN[8]为代表的基于候选区域的Two-Stage算法。One-Stage算法检测速度快，但检测精度低。相反，Two-Stage具有更好的检测精度，然而，由于其复杂的网络结构，其检测速度较差。从YOLOv1到YOLOv4[9]，YOLO算法在经过了数次的迭代之后，它逐渐弥补了许多缺陷，同时兼顾了准确度和实时性能。在保持速度优势的前提下，还在检测精度上有了明显进步。尤其是在微型目标的检测中表现得更加敏感。邓黄潇[10]提出了运用迁移学习和Retina Net网络对口罩佩戴检测，验证集下mAP到达86.5%。……