基于GAN网络的YOLOv5人脸检测

摘要

针对现有YOLOv5算法在密集遮挡环境中检测性能下降的问题，本文提出了一种融合生成对抗网络(GAN)的改进型实时检测框架。通过构建双通道对抗生成模型，有效合成了具有遮挡变异特征的人脸数据，缓解了实际场景标注数据稀缺的困境。实验表明：改进后的模型较基线YOLOv5在严重遮挡场景下的检测精度提升5.25个百分点。本研究为解决复杂视觉环境下的目标检测难题提供了新的技术路径，对提升智能系统环境感知能力具有重要的应用价值。

关键词

YOLOv5 / 生成对抗网络(GAN) / 行人检测 / 面部遮挡