典型文献
密集人群人脸检测方法研究
文献摘要：
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％.
文献关键词：
人脸检测;YOLOv3;DenseNet
中图分类号：
作者姓名：
王腾;秦学;赵耀
作者机构：
贵州大学大数据与信息工程学院,贵阳550025
文献出处：
引用格式：
[1]王腾;秦学;赵耀-.密集人群人脸检测方法研究)[J].智能计算机与应用,2022(01):8-15
A类：
B类：
密集人群,人脸检测,遮挡,中小尺度,小尺度目标,目标特征,YOLOv3,密集卷积网络,DenseNet,网络特征,上下文信息,人脸特征,检测精度,不足问题,引出,特征图,Resnet,尺度特征,中小型,语义信息,高小,目标检测,检测效果,means++,聚类算法,算法优化,先验框,召回率,WIDER,FACE,mAP
AB值：
0.427452
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。
