基于增强YOLOv3的无人系统远距离微小人脸检测
计算机视觉与模式识别
2020-10-12 v1
摘要
应用于无人系统的远距离微小人脸检测是一项具有挑战性的工作。由于距离相对较远，检测器无法获得充分的上下文语义信息。接收到的贫乏细粒度特征使得人脸检测准确性和鲁棒性降低。为解决远距离微小人脸检测问题，我们提出了一种基于YOLOv3算法的无人平台增强网络模型（YOLOv3-C）。在该模型中，我们引入来自特征金字塔网络的多尺度特征并进行特征融合以调整输出的预测特征图，从而提高了整个算法对微小目标人脸的灵敏度。该增强模型改善了远距离和高密度人群情况下微小人脸检测的准确性。实验评估结果证明了所提出的YOLOv3-C在远距离微小人脸检测中相较于其他相关检测器的优越性能。值得一提的是，我们提出的方法在微小人脸检测任务中取得了与最先进的YOLOv4[1]相当的性能。
引用
@article{arxiv.2010.04421,
title = {Long-distance tiny face detection based on enhanced YOLOv3 for unmanned system},
author = {Jia-Yi Chang and Yan-Feng Lu and Ya-Jun Liu and Bo Zhou and Hong Qiao},
journal= {arXiv preprint arXiv:2010.04421},
year = {2020}
}