科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决密集小尺度人脸检测精度低的问题,提出一种改进YOLO的密集小尺度人脸检测方法。使用目标框与真实框的面积交并比作为距离损失函数对传统的k-means聚类算法进行改进,结合小尺度人脸目标占比小且长宽比例接近1的特点,对候选框进行聚类,筛选合适的尺度数量;在不同层级的特征图进行细粒度的特征融合,对感受野较小的浅层特征进行空间降维通道升维后,与感受野较大的深层特征进行融合,提高对小尺度人脸特征的表示能力;结合聚类框,调整预测层的宽度和深度,形成适用于检测密集小尺度人脸网络结构。在WIDER FACE人脸检测数据库上进行实验的结果表明,该方法对密集小尺度人脸的检测精度有明显提高。
- 单位
