图学学报 ›› 2022, Vol. 43 ›› Issue (2): 239-246.DOI: 10.11996/JG.j.2095-302X.2022020239
摘要: 尽管基于卷积神经网络(CNN)的人脸检测器在精度上已经有了很大提升,但所需的计算量和模
型复杂度越来越高,如何在计算能力有限的嵌入式设备上应用人脸检测模型是一个很大的挑战。针对 320×240
分辨率输入图像的人脸检测在嵌入式系统上的应用问题,提出了一种基于轻量级网络的低分辨率人脸检测算
法。该算法使用注意力机制、结合了 Distance-IoU (DIoU)与非极大值抑制(NMS)、使用 Mish 激活函数,同时针
对人脸特征比例设置合适的先验框,实现了精度和速度的平衡,并部署到嵌入式平台中。具体地,用深度可分
离卷积替代普通卷积,并在卷积块后加入注意力模块(CBAM),使网络更关注待识别的目标物体;代替 ReLU
激活函数,采用了 Mish 激活函数来提高模型推理速度;通过结合 DIoU 与 NMS,提高模型对小人脸的检测能
力。实验在 WIDER FACE 数据集的结果证明,该方法不仅能实时高精度地进行人脸检测,而且在小分辨率输
入上,精度高于传统算法。扩充数据集之后,模型在复杂光照下的泛化性得到提高。
中图分类号: