背景：本人读研期间，正是新冠病毒流行的时间，人们进出公共场所一般都佩戴口罩，导致现有的门禁系统
不能快速准确地识别进出行人的身份，往往需要人们摘下口罩才能识别。故为了解决该问题，实现戴口罩下
的人脸识别，研究设计了在嵌入式设备上快速检测人脸并进行身份识别的算法和门禁系统样机。
(1) 利用深度学习框架 pytorch，并基于 SSD 算法，结合比较新颖的特征提取网络（如 CSPNet）和后处
理算法（如 CIOU），设计了一款轻量化的、能够在嵌入式设备实时运行的人脸检测模型，为人脸识别
提供较为纯粹的人脸图像，mAP 和 FPS 分别可达 96.46%、41。
(2) 利用 MAFA 和 WIDER FACE 人脸数据集，制作佩戴口罩和未佩戴口罩的人脸图像，并重新设计人脸识
别精度验证的测试方法，利用 CSPNet 网络提取特征、CBAM 注意力机制突出重点区域，ArcFace 损失
函数和受 CenterLoss 启发提出的类间损失函数共同训练人脸识别网络，最终人脸识别正确率在人脸底
库为 500 人时，可达 88%，对小型人脸底库识别有较强的应用意义。
(3) 动手搭建门禁系统样机，包括总体框架设计、硬件选型与制作、电机启停小信号传输、作为队长组织团
队成员参加相关比赛等，最终获得 2021 年挑战杯比赛校赛二等奖、实用新型专利一项、发明专利两项。
(4) 理论知识增长与实用技能提升：熟悉常见的目标检测网络，有 2~3 年的 Pytorch、TensorFlow 深度学习
框架和 python 语言使用经验，具备从事目标检测工作的基本能力；熟练使用 VScode 开发环境、linux 系统；