论文部分内容阅读
针对传统深度学习检测模型精度高、结构复杂、参数量大,检测速度慢,以及轻量级模型结构简单参数量小,精度损失明显的问题,提出了一种轻量化基于单步候选区回归的目标检测算法(SSD)的人脸检测模型,兼顾检测精度和检测速度的需求。基于传统模型特征图所存在的冗余现象,设计了一种轻量化卷积,以线性变换代替部分卷积操作,既能保持特征图的数量,又减少了模型参数和运算量。同时,采用性能更好的Hard_Swish激活函数,以加快收敛速度并提高模型精度。通过FDDB人脸数据集的测试结果可以看出,综合考虑精度、参数量、速度等