面向算力受限边缘环境的双分支多尺度感知人脸检测网络

针对边缘算力受限,难以部署复杂结构的人脸检测深度神经网络的问题,为减少资源消耗,并保证人脸在多尺度变化、遮挡、模糊、光照等复杂场景下的检测精度,提出了多尺度感知的轻量化人脸检测算法。采用改进的人脸残差神经网络作为特征提取网络,并提出双分支浅层特征提取模块,并行分支理解图像多尺度信息,进而由深浅特征融合模块将底层图像信息与高层语义特征融合,配合多尺度感知的训练策略监督多分支学习差异化特征。实验结果表明,所提算法可有效提取多样化的特征,在保持模型高效性和低推理时延的同时,有效提升了算法的精度和稳健性。