典型文献
基于改进YOLOv5的多任务安全人头检测算法
文献摘要：
针对目前监控摄像头预置检测算法存在人脸隐私泄露风险的问题,提出一种基于YOLOv5结构的多任务安全人头检测算法Privacyface-YOLO及轻量级检测版本Privacyface-YOLO(Light).Privacyface-YOLO的主干网络采用带残差结构的跨阶段局部网络ResCSP,通过残差结构降低特征学习的复杂度,提升网络对人头特征的提取能力.轻量级版本Privacyface-YOLO(Light)使用深度可分离卷积替换ResCSP模块,以减少计算量并提升网络的运行速度.模型的颈部模块引入特征金字塔与路径聚合网络,实现跨层多尺度信息交流,提升模型在复杂人头与小目标场景下的鲁棒性.对提取出的特征进行三分支输出,其中目标定位分支用于定位人头坐标,人头分割分支生成覆盖人头的掩膜以保证人脸隐私,人数回归分支获得图像中的人头总数,通过多任务三分支结构保护人脸隐私同时满足更加复杂的场景需求.实验结果表明,Privacyface-YOLO算法能够有效完成实时人头检测任务并保护人脸隐私,相较目前主流入头检测算法,在人头数据集HollywoodHeads和Brainwash上,该算法的平均查准率AP50指标分别提升11.8％和5.8％,平均查准率AP70指标分别提升20.2％和35.2％.
文献关键词：
人头检测;深度学习;YOLOv5算法;人脸隐私;目标检测
中图分类号：
作者姓名：
毛雨晴;赵奎
作者机构：
四川大学网络空间安全学院,成都610065
文献出处：
引用格式：
[1]毛雨晴;赵奎-.基于改进YOLOv5的多任务安全人头检测算法)[J].计算机工程,2022(08):136-143
A类：
Privacyface,ResCSP,HollywoodHeads,Brainwash,AP70
B类：
YOLOv5,多任务,人头检测,检测算法,监控摄像头,预置,人脸隐私,隐私泄露,泄露风险,轻量级,Light,主干网络,残差结构,跨阶段局部网络,特征学习,特征的提取,使用深度,深度可分离卷积,减少计算量,运行速度,特征金字塔,路径聚合网络,跨层,多尺度信息,信息交流,小目标,目标定位,定位分支,支用,掩膜,保证人,数回,分支结构,时人,头数,查准率,AP50,目标检测
AB值：
0.278291
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
