李文豪,周斌,胡波,张子涵.基于轻量化网络的遮挡人脸检测[J].中南民族大学学报自然科学版,2022,41(3):339-346
基于轻量化网络的遮挡人脸检测
Occlusion face detection based on lightweight network
  
DOI:10.12130/znmdzk.20220313
中文关键词: 人脸检测  YOLO算法  深度学习  特征金字塔  感受野
英文关键词: face detection  YOLO  deep learning  feature pyramid networks  receptive field
基金项目:湖北省自然科学基金资助项目(2016CFB650);湖北省技术创新专项基金资助项目 (2019ADC071)
作者单位
李文豪 中南民族大学 计算机科学学院武汉 430074 
周斌 中南民族大学 计算机科学学院武汉 430074 
胡波 武汉市东信同邦信息技术有限公司武汉 430074 
张子涵 中南民族大学 计算机科学学院武汉 430074 
摘要点击次数: 256
全文下载次数: 223
中文摘要:
      为了解决人脸检测中由于目标遮挡、背景复杂导致性能下降以及神经网络模型过大导致难以在低性能设备部署问题,在YOLOv4-Tiny的基础上引入SD(Self-DeConvolution)模块,提出了YOLO-SD-Tiny网络模型.在特征金字塔网络引入拥有更大感受野和更轻量级的SD模块,在部分网络层中采用Mish激活函数,损失函数采用CIOU边界框回归损失和GHM分类损失.实验结果表明:与原YOLOv4-Tiny相比,所提出的YOLO-SD-Tiny在遮挡场景下的人脸检测在准确率和实时性上有一定提升.
英文摘要:
      In order to solve the problem of performance degradation in face detection due to target occlusion, complex background and too large neural network model, it is difficult to deploy on low-performance devices.The SD (Self-DeConvolution) module is introduced on the basis of YOLOv4-Tiny, and the YOLO-SD-Tiny network model is proposed. In the feature pyramid network, the SD module with larger receptive field and lighter weight is introduced. The Mish activation function is used in some network layers, and the loss function uses CIOU bounding box regression loss and GHM classification loss. The experimental results show that compared with the original YOLOv4-Tiny, the proposed YOLO-SD-Tiny has a certain improvement in accuracy and real-time face detection in occlusion scenes.
查看全文   查看/发表评论  下载PDF阅读器
关闭