Ghost-YOLO:轻量化口罩人脸检测算法

摘要：

在嵌入式设备上,由于算力及存储空间的限制,当前的大型高精度目标检测模型的推理速度较低.为此,本文设计了一种轻量化目标检测模型,用于口罩人脸检测.首先,本文设计了一种高激活性鬼影(High Active Ghost,HAG)模块,以轻量的计算代价减少特征图中的冗余.其次,利用HAG实现高激活性鬼影跨段部分(High Active Ghost Cross Stage Partial,HAG-CSP)连接模块,提升了跨段部分连接网络结构的特征学习能力.再次,利用HAG-CSP对你只需看一次(You Only Look Once,YOLO)模型进行轻量化改造来得到完整的Ghost-YOLO网络,并构造出一个口罩人脸检测器.实验结果表明,本文提出方法在NVIDIA Jetson NX嵌入式设备上,在检测精度优于其他目标检测算法的前提下,对于640×640的图片,实现了24.72 ms每帧的检测速度,并且减少了模型的参数量.

关键词：嵌入式设备、目标识别、鬼影模块、YOLOv5、跨阶段部分模块

所属期刊栏目：38

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家重点研发计划;国家自然科学基金;国家自然科学基金;福建省自然科学基金杰出青年项目;福厦泉国家自主创新示范区协同创新平台项目

在线出版日期：2022-11-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1954-1964