首页 > 论文 > 激光与光电子学进展 > 58卷 > 02期(pp:021010)

基于轻量级注意机制的人脸检测算法 [Early Posting]

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
分享:

摘要

提出一个新的基于轻量级注意力机制的网络框架。在YOLOv3主干网络的基础上,使用深度卷积和点卷积代替标准卷积设计特征提取网络,加快模型的训练,提高检测的速度,然后引入注意力机制模块进行模型速度和精度的权衡,最后通过增加多尺度提取更多网络层的特征信息,同时使用K-means++ 聚类算法进一步优化网络参数。实验结果表明,该方法可以显著提高人脸检测模型的性能,在Wider Face数据集上可以达到94.08%的准确率和83.97%的召回率,且平均检测时间只需0.022s,相比原始YOLOv3算法提高了4.45倍。

广告组1 - 空间光调制器+DMD
补充资料

DOI:10.3788/lop58.021010

作者单位:

    安徽大学
    安徽大学
    安徽大学

引用该论文

高刘雅,孙冬,卢一相. 基于轻量级注意机制的人脸检测算法[J].激光与光电子学进展,2021,58(02):021010.