高精度轻量级的人脸关键点检测算法

摘要：

针对当前人脸关键点检测算法网络模型复杂度高、在计算资源受限时不利于部署的问题,基于知识蒸馏思想,提出了一种高精度、轻量级的人脸关键点检测算法.通过改进残差网络(ResNet50)中的Bottleneck模块并引入分组反卷积,得到轻量级的学生网络.同时提出逐像素损失函数和逐像素对损失函数,通过对齐教师网络与学生网络的输出特征图与中间特征图,将教师网络的先验知识迁移至学生网络,从而提高学生网络的检测精度.实验结果表明,本算法得到的学生网络参数量为2.81 M,模型大小为10.20 MB,在GTX1080显卡上的每秒传输帧数为162 frame,在300 W和WFLW数据集上的平均误差分别为3.60％和5.50％.

关键词：图像处理、卷积神经网络、人脸关键点检测算法、知识蒸馏、模型优化、模轻量级网络

所属期刊栏目：57

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;国家自然科学基金;国家自然科学基金;国家重点研发计划;天津市自然科学基金;装备预研项目;装备预研项目;水下信息与控制重点实验室开放研究项目

在线出版日期：2021-03-04（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：266-272