基于轻量化网络的遮挡人脸检测

摘要

为了解决人脸检测中由于目标遮挡、背景复杂导致性能下降以及神经网络模型过大导致难以在低性能设备部署问题,在YOLOv4-Tiny的基础上引入SD(Self-DeConvolution)模块,提出了YOLO-SD-Tiny网络模型.在特征金字塔网络引入拥有更大感受野和更轻量级的SD模块,在部分网络层中采用Mish激活函数,损失函数采用CIOU边界框回归损失和GHM分类损失.实验结果表明:与原YOLOv4-Tiny相比,所提出的YOLO-SD-Tiny在遮挡场景下的人脸检测在准确率和实时性上有一定提升.