东南大学成贤学院电子与计算机工程学院 何榕程 丁克伟 肖佳鑫 司创利 郁佳佳

2019年末爆发新型冠状肺炎，对全球造成了巨大的冲击。疫情期间，在某些公共场所进行活动时如果未按要求佩戴口罩将会造成疫情传播的风险。因此，不论是在公共场合还是其他地点能正确有效的佩戴口罩都是非常必要的，此举能够有效地提醒人们正确佩戴口罩，降低人员交叉感染的风险，保障自己以及他人的生命健康，通过人工智能算法实现试试的监控人们是否佩戴口罩具有很重要的意义和价值。

本文提出的算法模型在最终测试时输入同时出现一个或多个目标媒体时，可以准确的进行有效识别，兼顾检测的实时性和准确性两方面。最终测试结果表明，我们改进后的YOLOv4算法，在检测速率和检测精度方面都有显著提高。本文提出了一种已YOLOv4为基础的改进的YOLO网络的检测算法，主要采用CIoU作为边框回归损失函数，使预测框更接近真实框，可以加快模型的收敛速度。

1 本文算法介绍

1.1 YOLOv4原理

YOLOv4是一种基于回归的目标检测算法，具有较快的检测速度和精度，能够很好的实现一些目标检测任务。相对于YOLOv3算法，改进后的YOLOv4引入了Mosaic，Lable Smoothing平滑等技巧来提升神经网络的准确率。

1.2 CIoU在改进网络中的使用

本文采用CIoU作为边框回归损失函数，损失函数如式(1)所示：

其中：α是用于做trade-off的参数，v是用来衡量长宽比一致性的参数，b和bt分别表示预测框和真实框的中心点，ρ表示欧式距离，c表示预测框和真实框的最小外界矩形的对角线距离。……