融合多尺度特征的轻量级人脸检测算法

摘要：

受到移动设备计算能力和存储资源受限的局限,设计高效、高精度的人脸检测器是一个开放性的挑战.因此,文中提出融合多尺度特征的轻量级人脸检测算法(Lightweight Face Detection Algorithm with Multi-scale Feature Fusion,LFDMF),摒弃被视为人脸检测核心组件的多级检测结构.首先,利用现有的轻量级主干特征提取网络编码输入图像.然后,利用提出的颈部网络扩张特征图感受野,并将含有不同感受野的多尺度信息融至单级特征图中.最后,利用提出的多任务敏感检测头对该单级特征图进行人脸分类、回归和关键点检测.相比分而治之的人脸检测器,LFDMF精度更高、计算量更少.LFDMF按模型计算量高低可构建3个不同大小的网络,大模型LFDMF-L在Wi-der Face数据集上性能较优,中等模型LFDMF-M和小模型LFDMF-S以极低的模型参数量和计算量实现可观性能.

关键词：人脸检测、多尺度特征、单级特征图、多任务敏感检测头

所属期刊栏目：35

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金No.61876072

在线出版日期：2022-07-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：507-515