基于改进的RetinaFace人脸检测方法

摘要

针对RetinaFace在人脸检测任务中不能够兼顾检测精度与实时性的问题,提出一种基于改进RetinaFace的轻量化网络方法。首先使用MobileNetV3网络替代RetinaFace中的特征提取网络,大幅度降低参数和计算量;其次将高效通道注意力机制(efficient channel attention,ECA)与RetinaFace中的特征金字塔(feature pyramid networks,FPN)机制相融合,提高人脸检测精度;最后使用Soft-NMS非极大值抑制代替原始的非极大值抑制(non-maximum suppression,NMS)在2个候选框重合面积很大时也给1个权重,避免直接误删的情况,在人脸重合时也能更好地检测出来。实验结果表明:相较原算法,在widerface人脸数据集的easy、medium、hard分类情况下的准确率分别是93.79%、91.92%、72.18%,检测速度达到了72 f/s,满足人脸测任务中的准确率和实时性要求。本文分析结果可为人脸检测领域提供参考。