10.3969/j.issn.1000-386x.2022.12.029
基于深度可分离的多尺度Lw-YOLO轻量化人脸检测网络
针对目前神经网络模型计算复杂,在无GPU嵌入式平台的模型检测精度较低的问题,提出一种可在树莓派3 B+上检测的轻量化人脸检测网络Lw-YOLO(Lightweight-YOLO).此网络基于YOLO-LITE模型,利用深度可分离卷积替代传统卷积,有效地减少网络计算量并提升网络深度;增加多尺度预测模块,为预测层提供丰富的语义信息,提高网络精度.实验结果表明,训练得出的网络模型大小只有3.1 MB,在WiderFace人脸数据集上取得77.13％的平均精度,比原模型高23.22％,更适合无GPU的嵌入式平台.
深度可分离、多尺度、无GPU、轻量化、人脸检测
39
TP391(计算技术、计算机技术)
国家自然科学基金61890960
2023-02-09（万方平台首次上网日期，不代表论文的发表时间）
共7页
195-200,251
