科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对YOLOv3这一目标检测通用方法在人脸检测任务中实时性低,容易漏检且易受环境影响召回率不高的问题,提出一种基于改进YOLOv3的轻量化网络方法。使用Mobile Net网络替代YOLOv3中的特征提取网络,大幅度降低参数和计算量;增加SPP结构,尺度不变的同时降低训练中的过拟合;将Self-attention机制与YOLOv3中的FPN机制相融合,提高人脸检测率与召回率;使用DIoU作为边界框回归损失函数,加速模型收敛。实验结果表明,相较原算法,在公开人脸数据集WIDER FACE上mAP提高了9.0个百分点,检测速度达到了61FPS,满足人脸检测任务中的准确率和实时性要求。
-
单位南京信息工程大学; 苏州大学应用技术学院
