Правильное ношение масок является эффективным способом для жителей предотвращать распространение COVID-19 и поддерживать национальные меры по борьбе с пандемией. Для решения проблем, связанных с неправильным ношением масок, разными углами съёмки и частичным закрытием, была предложена улучшенная алгоритм YOLOv7. Этот алгоритм основан на YOLOv7 с введением сверточного механизма внимания в области Head сети, что позволяет сетевой архитектуре более точно обрабатывать области масок и усиливает способность сети обучаться особенностям этих областей; оптимизирована структура Backbone, улучшена сеть ConvNeXt, введены замены части свёрток, что повышает точность и устойчивость модели, увеличивая при этом точность предсказаний без значительного увеличения вычислительных затрат. Улучшена пространственная пирамидальная агрегация в слое Head, что ускоряет обучение и сходимость модели. Экспериментальные результаты показывают значительное снижение функции потерь у улучшенной YOLOv7 при сложных условиях и наличии перекрытий, mAP на тестовом наборе достиг 93.8%, что на 3.6% выше, чем у исходного алгоритма YOLOv7. Точность обнаружения повышена во всех категориях: точность для категории «без маски» улучшилась на 6.8%, «маска правильно надета» — на 2.1%, «маска надета неправильно» — на 1.7%. Ошибочные срабатывания алгоритма значительно снизились, а обобщающая способность модели заметно улучшилась.

Обработка изображений;Обнаружение объектов;Алгоритм YOLOv7;Сверточный механизм внимания;Пространственная пирамидальная аггрегация