マスクを正しく着用することは、住民が新型コロナウイルスの予防を行い、国家の感染症対策に協力する効果的な方法です。マスクの正しい着用の有無、撮影角度の違い、遮蔽などの問題に対応するために、改良されたYOLOv7アルゴリズムが提案されました。本アルゴリズムはYOLOv7を基盤とし、ネットワークのHead部分に畳み込み注意機構を導入することで、特徴ネットワークがマスク領域の処理においてより特化し、マスク領域の学習能力を強化します；Backbone部分の構造を最適化し、ConvNeXtネットワーク構造を改良し、一部の畳み込みを置換する要素を導入することで、モデルの検出精度と頑健性を向上させつつ、多くの追加計算を必要とせずに予測精度を高めています。Head層の空間ピラミッドプーリングを改良し、学習速度を向上させ、モデルの収束を早めました。実験結果では、複雑かつ遮蔽された状況下で改良YOLOv7の損失関数が大幅に低下し、テストセットでのmAPは93.8％となり、元のYOLOv7アルゴリズムよりも3.6％向上しました。各カテゴリの検出精度も向上しており、マスク未着用、正しい着用、不正着用カテゴリーの精度はそれぞれ6.8％、2.1％、1.7％向上しました。本論文のアルゴリズムでは誤検出が明らかに減少し、汎化能力も著しく向上しています。

画像処理;物体検出;YOLOv7アルゴリズム;畳み込み注意機構;空間ピラミッドプーリング