一种轻量级的多尺度特征人脸检测方法

摘要：

目前,各种start-of-the-art的人脸检测算法被提出,但是在不断提高精度的同时,却忽略了检测的实时性和可应用性.针对这一问题,提出了一种轻量级、实时性和Single-Stage的高精度人脸检测算法.通过将主干网络的不同尺度的特征输出到对应的检测模块中进行检测,实现不同大小人脸的检测,提高算法精度;主干网络运用深度可分离卷积将传统的3×3卷积核分为一个深度卷积核和1×1卷积核,减少计算量;检测模块中使用特征融合获得更多的上下文信息和更大的感受野,并包含目标分类和框体回归操作;采用全卷积神经网络,减少内存量,并使得网络可以输入不同尺寸的图像.实验结果表明,算法在FDDB数据集上有着93.52％的准确率,同时在不同尺度、姿态、装扮和光照等环境下具有较好的鲁棒性,并且能够达到实时检测.

关键词：人脸检测、轻量级、多尺度特征、特征融合、全卷积神经网络、实时检测

所属期刊栏目：30

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划NO. 2016YFC0801100

在线出版日期：2020-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1-7