科研之友
微信
新浪微博
Facebook
分享链接
摘要
由于安防设备硬件条件等因素制约，在视频监控场景下的低清人脸检测中注重模型在检测精度、速度以及占用内存大小等方面的权衡已然是必须考虑的问题。针对此问题，将可变形卷积（Deformable convolution,DC）和Lambda层进行融合，提出一种轻型尺度自适应深度网络的低清人脸检测模型DLFace。首先借鉴RetinaFace算法，使用改进后的深度可分离卷积能够有效防止训练过程中信息丢失；其次将改进后的可变形卷积引入骨干网络和SSH(Single stage headless)检测模块，通过增强感受野适应人脸多因素的变化；最后在骨干网络高层引入Lambda层，有效挖掘语义和位置信息，形成更加丰富的特征表示。在WiderFace数据集上的实验结果表明，DLFace实现了性能和速度的平衡，在不同场景下均验证了DLFace的优越性，表明DLFace能较好地适用于视频监控场景下的低清人脸检测任务。
-
单位通信与信息工程学院; 南京邮电大学; 南京审计大学
