基于改进YOLOv5s的小人脸检测

TP311.5; 目前在复杂的真实应用场景中,小人脸检测任务面临诸多挑战,如人脸尺度小、光照变化剧烈和精度较低等.针对现有模型容易忽视小人脸检测的问题,提出了一种基于卷积核注意力机制的小人脸检测模型SK-YOLOv5s.首先,设计一种小人脸增强模块,将浅层特征与深层特征进行融合与上采样,提高了小人脸特征图的分辨率,从而增强其特征;其次,在模型中引入SKNet注意力机制,能够多尺度自适应调节感受野大小,提高小人脸的检测率;最后,采用EIoU作为目标损失函数、FReLU作为激活函数,直接减小预测与真实边界框之间的宽度和高度差异,增强特征图的非线性表达能力,提高小人脸检测的精度和稳定性,相较于YOL...

Full description

Saved in:
Bibliographic Details
Published in智能科学与技术学报 Vol. 6; no. 4; pp. 456 - 465
Main Authors 周丽芳, 胡振, 刘波
Format Journal Article
LanguageChinese
Published 重庆邮电大学软件工程学院,重庆 400065 01.12.2024
Subjects
注意力机制
小人脸检测
YOLOv5s
attention mechanism
small face detection
Online AccessGet full text
ISSN2096-6652
DOI10.11959/j.issn.2096-6652.202438

Cover

More Information
Summary:TP311.5; 目前在复杂的真实应用场景中,小人脸检测任务面临诸多挑战,如人脸尺度小、光照变化剧烈和精度较低等.针对现有模型容易忽视小人脸检测的问题,提出了一种基于卷积核注意力机制的小人脸检测模型SK-YOLOv5s.首先,设计一种小人脸增强模块,将浅层特征与深层特征进行融合与上采样,提高了小人脸特征图的分辨率,从而增强其特征;其次,在模型中引入SKNet注意力机制,能够多尺度自适应调节感受野大小,提高小人脸的检测率;最后,采用EIoU作为目标损失函数、FReLU作为激活函数,直接减小预测与真实边界框之间的宽度和高度差异,增强特征图的非线性表达能力,提高小人脸检测的精度和稳定性,相较于YOLOv5s,所改进模型在WIDER FACE数据集中的mAP提升了0.079.实验结果证明了所改进模型在真实场景下进行小人脸检测的可行性.
ISSN:2096-6652
DOI:10.11959/j.issn.2096-6652.202438