典型文献
融合多尺度特征的轻量级人脸检测算法
文献摘要：
受到移动设备计算能力和存储资源受限的局限,设计高效、高精度的人脸检测器是一个开放性的挑战.因此,文中提出融合多尺度特征的轻量级人脸检测算法(Lightweight Face Detection Algorithm with Multi-scale Feature Fusion,LFDMF),摒弃被视为人脸检测核心组件的多级检测结构.首先,利用现有的轻量级主干特征提取网络编码输入图像.然后,利用提出的颈部网络扩张特征图感受野,并将含有不同感受野的多尺度信息融至单级特征图中.最后,利用提出的多任务敏感检测头对该单级特征图进行人脸分类、回归和关键点检测.相比分而治之的人脸检测器,LFDMF精度更高、计算量更少.LFDMF按模型计算量高低可构建3个不同大小的网络,大模型LFDMF-L在Wi-der Face数据集上性能较优,中等模型LFDMF-M和小模型LFDMF-S以极低的模型参数量和计算量实现可观性能.
文献关键词：
人脸检测;多尺度特征;单级特征图;多任务敏感检测头
中图分类号：
作者姓名：
王建;宋晓宁
作者机构：
江南大学人工智能与计算机学院江苏省模式识别与计算智能工程实验室 无锡214122
文献出处：
引用格式：
[1]王建;宋晓宁-.融合多尺度特征的轻量级人脸检测算法)[J].模式识别与人工智能,2022(06):507-515
A类：
LFDMF,单级特征图,多任务敏感检测头
B类：
多尺度特征,轻量级,人脸检测,检测算法,移动设备,计算能力,存储资源,资源受限,检测器,Lightweight,Face,Detection,Algorithm,Multi,scale,Feature,Fusion,摒弃,检测结构,主干特征提取网络,网络编码,扩张特征,图感,感受野,多尺度信息,关键点检测,分而治之,计算量,同大,大模型,Wi,der,模型参数量,可观性
AB值：
0.291658
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。
