-
题名改进YOLO的密集小尺度人脸检测方法
被引量：8
- 1
-
-
作者
邓珍荣
白善今
马富欣
黄文明
-
机构
桂林电子科技大学计算机与信息安全学院
桂林电子科技大学广西高校云计算与复杂系统重点实验室
-
出处
《计算机工程与设计》
北大核心
2020年第3期874-879,共6页
-
基金
广西自然科学基金项目(2018GXNSFAA138132)
桂林电子科技大学研究生教育创新计划基金项目(2018YJCX55)。
-
文摘
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。
-
关键词
人脸检测
YOLO网络
聚类
密集小尺度人脸
特征融合
-
Keywords
face detection
YOLO network
clustering
dense small-scale face
feature fusion
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
