마스크를 올바르게 착용하는 것은 주민들이 코로나19를 예방하고 국가의 팬데믹 방역에 협력하는 효과적인 방법입니다. 마스크 착용의 올바름, 촬영 각도 차이, 가림 현상 등의 문제를 해결하기 위해 개선된 YOLOv7 알고리즘이 제안되었습니다. 이 알고리즘은 YOLOv7을 기반으로 네트워크의 Head 영역에 컨볼루션 어텐션 메커니즘을 도입하여 특징 네트워크가 마스크 영역 처리를 더 구체적으로 수행할 수 있게 하여 마스크 영역 학습 능력을 향상시켰습니다; Backbone 구조를 최적화하고 ConvNeXt 네트워크 구조를 개선하며 일부 컨볼루션을 대체하는 요소를 도입하여 모델의 검출 정확도와 견고성을 향상시키면서 추가적인 계산 부담 없이 예측 정확도를 높였습니다. Head 층의 공간 피라미드 풀링을 개선하여 학습 속도를 높이고 모델 수렴을 가속화했습니다. 실험 결과, 개선된 YOLOv7은 복잡하고 가려진 상황에서도 손실 함수가 크게 감소하였으며 테스트 세트에서 mAP가 93.8%로, 원래 YOLOv7 알고리즘보다 3.6% 향상되었습니다. 각 범주의 검출 정확도가 모두 향상되었으며, 마스크 미착용, 올바른 착용, 잘못 착용한 범주의 정확도가 각각 6.8%, 2.1%, 1.7% 향상되었습니다. 본 논문 알고리즘의 오검출 상황이 현저히 감소하였고 일반화 능력이 크게 향상되었습니다.

이미지 처리;목표 검출;YOLOv7 알고리즘;컨볼루션 어텐션 메커니즘;공간 피라미드 풀링