超轻量人脸关键点检测算法

作者：朱望纯^*; 张博

来源：电子测量技术, 2023, 46(05): 98-104.

DOI：10.19651/j.cnki.emt.2210785

• 超轻量化
• 深度学习
• 人脸关键点

随着深度学习网络研究的深入和网络模型精度的提高，网络层数及深度在逐渐增加，导致计算量增大。同时，基于深度学习模型人脸关键点检测在嵌入式设备上部署的需求，轻量化、高效和准确的网络模型成为研究关键。因此，本文设计了一个基于Ghost Model块和Ghost Bottleneck架构的超轻量型人脸关键点检测算法，在确保网络精度的同时，尽可能减小网络模型大小，降低计算量。在网络宽度因子为1X的情况下，与现有表现最好的轻量化网络模型PFLD 1X相比，归一化平均误差降低了7%,参数量减小了36%;在宽度因子为0.25X的情况下，本论文提出的网络模型大小仅420 KB,归一化平均误差降低了6.6%,参数量减小了25%。

• 单位
  桂林电子科技大学; 自动化学院