迟万达 王士奇 张潇 董爽 商方斌 范迪

摘要：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積，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、速度等指标，轻量化模型在保持了人脸检测精度的前提下，大大压缩了模型体积、提高了模型的检测速度，达到了影视实时性检测要求。

关键词：SSD模型;轻量化卷积;Hard_Swish函数;线性变换;人脸检测

中图分类号：TP391.4文献标志码：A文章编号：1008-1739（2021）05-69-5

0引言

人脸检测是基于人脸信息处理的人机交互、表情分析、人证对比等研究的重要基础，其结果对后续人脸跟踪[1]、人脸面部特征点提取[2]、表情识别[3]及人脸识别[4]等研究和应用有重要作用和影响。

目前，主流的人脸检测算法可分成基于人工设计的特征统计检测方法[5-6]和自动提取特征的深度学习检测方法[7-10]2类。基于人工设计特征的人脸检测算法，特征表达能力有限，容易受外界环境（如光照、遮挡、尺度等）变化的影响，在复杂场景下检测性能难有提升。随着卷积神经网络的发展，众多基于卷积神经网络的人脸检测算法被提出。……