一种基于多任务的轻量级实时人脸检测方法

摘要

本发明公开了一种基于多任务的轻量级实时人脸检测方法，首先将带有标签信息的人脸图像送入轻量级卷积神经网络模型进行训练，然后将待检测图片输入训练好的轻量级卷积神经网络模型中进行检测，得到预测数据。所述轻量级卷积神经网络模型使用DFace‑MobileNetV1作为主干网络对将待检测图片进行特征提取，然后送入GLFPN中对特征图中的全局信息与局部信息进行融合，并传入DSSH进行上下文特征的抽取，最后由MultiHead输出预测数据。为增强对离群点人脸的检测能力，本发明提出了基于离群样本补偿的交并比匹配算法；为促进特征图在人脸区域产生更大的响应，本发明利用弱监督分割预测来辅助学习。本发明在保证实时运行速度的情况下，进一步降低了人脸检测精度的损失。