基于YOLO多模型交叠桥接策略的人脸检测算法

摘要

基于深层卷积神经网络的人脸检测算法因其能够较好地克服复杂环境中诸多因素造成的影响,得到了业界广泛关注。YOLO是一种分类/定位回归式视觉目标检测算法,采用单步检测方式,兼具速度快准确率高的优点,是目前被广泛使用的一种深层全卷积神经网络。但由于其网络输入尺寸固定,其输出神经元的感受野范围也因此被限定。将其用于检测尺寸跨度大的人脸目标时,往往会出现无法同时顾及较大或较小人脸目标的问题。针对该问题,该文提出了一种基于YOLO多模型交叠桥接策略的大跨度尺寸范围下的人脸检测算法。首先推算感受野范围,估计出不同输入尺寸的YOLO网络人脸检测范围;接着,根据各尺寸的检测效果,找到它们的最佳交叠桥接尺寸范围;然后,利用NMS融合各模型检测结果。在WIDERFACE数据集的实验结果表明,上述方式可以有效扩展YOLO网络人脸检测的感知范围,提升检测准确率,具有较好的应用前景。