目标检测YOLO实战应用案例100讲-基于改进YOLOv5的口罩人脸检测

目录

前言

国内外研究现状

目标检测研究发展 

国内外口罩人脸检测研究现状 

2 神经网络基本原理 

2.1 深度学习介绍 

2.2 卷积神经网络  

2.2.1 卷积神经网络基本结构 

 2.2.2 卷积层 

 2.2.3 池化层 

 2.2.4 Dropout层 

2.2.5 BatchNorm层 

2.2.6 全连接层 

2.3 目标检测的评价指标  

3 基于YOLOv5的口罩人脸检测网络模型 

3.1 YOLOV5网络结构介绍 

3.2 深度可分离卷积 

 3.3 注意力机制  

3.3.1 注意力机制介绍 

 3.3.2 CBAM注意力机制 

3.3.3 改进后的CBAM-YOLO 

---

本文篇幅较长，分为上下两篇，下篇详见基于改进YOLOv5的口罩人脸检测（续）

 

前言

自2019年末新型冠状病毒爆发至今，新冠肺炎扩散全球，给人类的生活带 来了各种不好的影响，对人们的生命健康造成了非常严重的威胁。病毒传播途 径广泛，包括气溶胶传播、飞沫传播和接触传播[ 1]。为了阻断病毒传播，口罩 成为了人们日常出行的必需品之一，因为空气中漂浮的病毒使人们要规范的佩 戴口罩可以避免吸入。除了普通的医用口罩，N95口罩的防护效果更好，医护 人员必须佩戴口罩，公共场所也呼吁人们佩戴口罩，只有佩戴口罩手持健康码 才能出入商场、超市等公共场所。由此可见，口罩的佩戴已经成为了日常生活 不可或缺的一部分，无论是为了公共卫生，还是个人安危，口罩都成为了出行 在外的必需品。 
目前来看，疫情的蔓延还可