YOLO-FaceV2：一种尺度与遮挡感知的人脸检测器
计算机视觉与模式识别
2022-08-05 v2
摘要
近年来，基于深度学习的人脸检测算法取得了巨大进展。这些算法通常可分为两类，即如Faster R-CNN的两阶段检测器与如YOLO的单阶段检测器。由于在精度与速度间更好的平衡，单阶段检测器已被广泛应用于诸多场景。本文提出一种基于单阶段检测器YOLOv5的实时人脸检测器，命名为YOLO-FaceV2。我们设计了称为RFE的感知野增强模块以增强小人脸的感知野，并使用NWD Loss弥补IoU对微小物体位置偏差的敏感性。针对人脸遮挡，我们提出名为SEAM的注意力模块并引入Repulsion Loss加以解决。此外，我们使用权重函数Slide解决难易样本间的不平衡，并利用有效感知野信息设计锚框。在WiderFace数据集上的实验结果表明，我们的人脸检测器优于YOLO及其变体，可在全部简单、中等与困难子集中见到。源代码见https://github.com/Krasjet-Yu/YOLO-FaceV2
引用
@article{arxiv.2208.02019,
title = {YOLO-FaceV2: A Scale and Occlusion Aware Face Detector},
author = {Ziping Yu and Hongbo Huang and Weijun Chen and Yongxin Su and Yahui Liu and Xiuying Wang},
journal= {arXiv preprint arXiv:2208.02019},
year = {2022}
}