基于改进YOLOv5s-face的Face5系列人脸检测算法

摘要

针对人脸检测中小尺度人脸和遮挡人脸的漏检问题，提出了一种基于改进YOLOv5s-face(you only look once version 5 small-face)的Face5系列人脸检测算法Face5S(face5 small)和Face5M(face5 medium)。使用马赛克(mosaic)和图像混合(mixup)数据增强方法，提升算法在复杂场景下检测人脸的泛化性和稳定性；通过改进C3的网络结构和引入可变形卷积(DCNv2)降低算法的参数量，提高算法提取特征的灵活性；通过引入特征的内容感知重组上采样算子(CARAFE),提高多尺度人脸的检测性能；引入损失函数WIoUV3(wise intersection over union version 3),提升算法的小尺度人脸检测性能。实验结果表明，在WIDER FACE验证集上，相较于YOLOv5s-face算法，Face5S算法的平均mAP@0.5提升了1.03%;相较于先进的人脸检测算法ASFD-D3(automatic and scalable face detector-D3)和TinaFace, Face5M算法的平均mAP@0.5分别提升了1.07%和2.11%,提出的Face5系列算法能够有效提升算法对小尺度和部分遮挡人脸的检测性能，同时具有实时性。

关键词

人脸检测 / 损失函数 / 目标检测 / 密集小尺度人脸 / YOLOv5