正确佩戴口罩是有效防止呼吸道传染性疾病的重要手段,利用机器代替人工进行口罩佩戴检测能够极大降低安全风险。目前关于口罩佩戴检测相关的研究主要集中在检测人们是否佩戴了口罩,但是口罩佩戴的规范性主要依赖人工经验进行判断,缺乏量化的标准且具有安全风险,因此需要提出具体的正确佩戴标准来帮助自动检测。深度学习具有精确度高、泛化能力强的特点,本文基于深度学习的方法,从提高口罩佩戴正确性的精度和提高模型检测速度两个方面开展研究,主要的研究工作如下:1.基于深度学习的口罩佩戴正确性检测模型研究。本文根据世界卫生组织有关佩戴口罩的指示文件内容和人脸特点,提出根据眼睛、鼻尖和两个嘴角这五个人脸关键点的位置信息和口罩位置信息,判断人脸佩戴的口罩是否正确。为了解决人脸关键点较小、口罩特征复杂的问题,本文使用特征金字塔增强图片特征,并采用多尺度检测策略提高不同大小的人脸关键点和口罩的检测效果。模型使用一种结合上下文感知和注意力机制的检测头来提高检测精度,最后通过口罩和人脸的相对位置,做出口罩佩戴规范性评估。实验结果显示,本文给出的方法检测精度高于目前的通用检测模型。2.基于知识蒸馏的人脸口罩佩戴检测模型压缩策略研究。为了能够降低模型的内存和计算资源损耗,让模型能够实时运行在低性能设备上,本文使用Mobile Net V3替换Res Net50作为主干网络并微调上下文感知的注意力模块得到轻量化网络,并用知识蒸馏方法来蒸馏训练网络提高检测精度。实验证明本文提出的压缩方法能够提高模型的检测速度、减少模型资源消耗。