【摘要】佩戴口罩是防止疫情传播最简单、最有效的方法,公共场所中口罩佩戴的自动监测成为疫情防控中亟需解决的重要问题。传统的目标检测方法将目标检测问题分为候选区生成与目标分类两个阶段,模型的运行效率较低,1 s最多只能完成7张图片的检测,不能满足实时检测的需求。为了提升目标检测的效率,该文提出了单阶段目标检测模型,通过独特的候选区生成机制和多目标损失函数,将候选区的生成和目标分类两个任务在一个阶段中完成,大大提升了目标检测的效率。实验表明,该文提出的口罩检测模型可在1 s内完成45张图片的检测。同时,由于采用了改进的深层卷积神经网络和迁移学习策略,模型的检测准确率也有所提升。