avatar avatar 我的文献 面向移动平台人脸检测的FaceYoLo算法设计及实现 单位 安徽大学电气工程与自动化学院 期刊 计算机应用 时间 关键词 卷积神经网络; 人脸检测; 深度学习; 移动平台; FaceYoLo; Android 基金 国家重点研发计划资助(2018YFB1305804); 安徽省杰出青年基金(1908085J25)
摘要
针对移动平台上人脸检测实时性不强的问题,提出了一种基于深度学习的FaceYoLo实时人脸检测算法。首先,在YoLov3检测算法的基础上,加入快速消化卷积层(RDCL)缩小输入空间大小,然后加入多尺度卷积层(MSCL)丰富不同检测尺度的感受野,最后加入中心损失和致密化策略加强模型泛化能力和鲁棒性。实验结果表明,在GPU上测试时,该算法较YoLov3算法在速度上提高了近10倍,每幅图像的处理速度可达0.0028秒,精度相比上升2.1%;在Android平台上测试时,该算法较最好的MobileNet模型检测速率从5fps增加到10fps。通过实验结果可知,该算法能有效提高人脸检测在移动平台上的实时性能。
下载 浏览 cnki {{liketext}}
©2020 - iData {{ message }} 关闭