10.3969/j.issn.2095-2163.2022.01.003
密集人群人脸检测方法研究
针对密集人群图像中人脸检测普遍存在的遮挡及中小尺度目标特征少等问题,本文提出了一种改进YOLOv3的方法.该方法在YOLO网络中加入改进的密集卷积网络Res-DenseNet,用于网络特征的加强,结合上下文信息,使模型能学习到更多人脸特征,从而提高遮挡人脸的检测精度;对于中小尺度人脸特征不足问题,采用从浅层网络引出特征图,进行改进的Resnet操作后加入到中小预测尺度特征图中,用于丰富中小型人脸预测尺度的特征语义信息,进而提高小型人脸目标检测效果;最后,利用K-means++聚类算法优化先验框参数,提高模型的召回率.实验结果表明,与YOLOv3算法相比,本文算法在WIDER FACE数据上人脸的mAP值提高了2.57％,检测精度提高5％,召回率提高了3％.
人脸检测、YOLOv3、DenseNet
12
TP391.41(计算技术、计算机技术)
2022-04-07（万方平台首次上网日期，不代表论文的发表时间）
共8页
8-15
