摘要
论文介绍
本文介绍了一种基于YOLOv5的人脸检测方法,命名为YOLO-FaceV2。该方法旨在解决人脸检测中的尺度变化、简单与困难样本不平衡以及人脸遮挡等问题。通过引入一系列创新模块和损失函数,YOLO-FaceV2在WiderFace数据集上取得了优异的表现,特别是在小物体、遮挡和困难样本的检测上。
创新点
- 感受野增强模块(RFE):设计了一个多分支的空洞卷积模块,以增强不同尺度人脸的感受野。
- 遮挡感知注意力网络(SEAM):引入了一个多头注意力网络,用于增强人脸特征的学习,特别是处理遮挡情况。
- 排斥损失(Repulsion Loss):提出了两种损失函数,RepGT和RepBox,用于解决人脸遮挡导致的检测框重叠问题。
- 滑动权重函数(Slide):设计了一个自适应的样本加权函数,用于缓解简单与困难样本之间的