YOLOv5改进的轻量级口罩人脸检测
针对疫情防控下人脸识别应用出现人脸漏检、移动端平台的计算能力不足和硬件资源受限等问题,?提出一种YOLOv5改进的轻量级口罩人脸检测模型.?设计轻量化的C3Ghost模块替换原网络中的C3模块以压缩卷积过程的计算量和模型大小,?在主干网络中添加注意力机制以提高网络的特征提取能力,?并改进边框回归损失函数以提高检测速度和精度.?实验结果表明,?改进后的模型计算量和参数量分别降低了29.79%和33.33%,?模型权重文件大小仅有2.8?M,?减轻了对硬件条件的依赖,?同时模型的检测率达到了96.6%,?相比现有轻量级模型优势突出,?能够有效地应用于人脸识别之中.
人脸检测、YOLOv5、注意力机制、C3Ghost、α-CIoU
32
TP391.41;TN911.73;TP183
国家自然科学基金61471182
2023-03-16(万方平台首次上网日期,不代表论文的发表时间)
共7页
195-201