基于 Retinaface 的轻量且精准人脸检测算法

本文提出一种基于 Retinaface 的轻量且精准的人脸检测算法 LAFD（Light and accurate face detection，轻量精准人脸检测）。该算法的主干网络为改进的 MobileNetV3 网络，其调整了卷积核尺寸、倒残差块的通道扩展倍数以及 SE 注意力机制的使用。在上下文模块中引入可变形卷积网络（DCN），并且算法使用 focal loss 函数代替交叉熵损失函数作为模型的分类损失函数。在 WIDERFACE 数据集上的测试结果表明，LAFD 在“easy”、“medium”和“hard”验证子集上的平均准确率分别为 94.1%、92.2% 和 82.1%，相比 Retinaface 分别提升 3.4%、4.0% 和 8.3%，且比表现良好的轻量模型 LFFD 分别高出 3.1%、4.1% 和 4.1%。若将输入图像预处理并缩放至长度 1560px 或宽度 1200px，该模型在“hard”验证子集上达到 86.2% 的平均准确率。该模型轻量，大小仅 10.2MB。