基于多特征融合的轻量化无锚人脸检测方法

摘要：

针对大多数基于深度卷积网络的人脸检测方法存在因模型参数和计算量大造成的检测速度慢,以及复杂场景下人脸检测准确率低的问题,提出一种基于多特征融合的轻量化无锚人脸检测方法.构造轻量化卷积神经网络作为特征提取的骨干网络,以加速网络计算过程;引入三种模块处理并融合特征层,包括:感受野增强模块强化图片信息提取、权重特征融合模块提升检测准确性以及通道混洗融合模块简化计算过程;使用中心点定位的无锚检测方法对融合后的特征进行预测.实验结果显示,该方法模型参数量仅为5.1 MB,对比该基准方法,在WIDERFACE验证集中的简单、中等和困难难度的检测准确率分别提升1.4、2.2和4.8个百分点,表明该方法在保证模型轻量化的同时对复杂场景人脸有着较高的检测精度,验证了所提方法的有效性.

关键词：人脸检测、特征融合、无锚检测、轻量化神经网络

所属期刊栏目：58

分类号：TP391(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;西南石油大学智能控制与图像处理青年科技创新培育团队资助项目

在线出版日期：2022-06-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：242-249