YOLO5Face算法解读

论文：YOLO5Face: Why Reinventing a Face Detector
链接：https://arxiv.org/abs/2105.12931v1
机构：深圳神目科技&LinkSprite Technologies（美国）
开源代码：https://github.com/deepcam-cn/yolov5-face

1、算法概述

作者在yolov5通用目标检测器的基础上做了针对性改进，使得利用yolov5的主体框架来检测人脸。对yolov5的关键性修改如下：

• (1)、在 YOLOv5 网络中加了一个关键点 regression head。损失函数用 Wing loss。
• (2)、用 Stem 块结构取代 YOLOv5 的 Focus 层。增加了网络的泛化能力，并降低了计算的复杂性，同时性能也没有下降。
• (3)、对 SPP 块进行了改变，使用一个更小的 kernel（内核）。促使 YOLOv5 更适合于人脸检测，并提高检测精度。
• (4)、增加一个 stride 为 64 的 P6 输出块。可以增加检测大型人脸的能力。
• (5)、作者发现，一些用于一般目标检测的数据增强方法并不适合用于人脸检测，包括 up-down flipping 和 Mosaic。去除 up-down flipping 性能会改善。当使用小图像时，Mosaic 增强法会降低性能。然而，当小脸被忽略时，它的效果很好。随机剪裁有助于提高性能。
• (6)、设计两个基于 ShuffleNetV2 的超轻量级模型。其骨干网与 CSP 网络大不相同。这些模型超级小，同时实现了嵌入式或移动设备的 SOTA 性能。
  整体网络结构如下：
  
  其中图中红色部分为作者基于yolov5结构做的修改。
  Stem用于替换原来yolov5结构中的focus层，其结构如下：
  

2、实验结果

作者用WiderFace人脸库训练，用FDDB数据库作为测试。和现在最近的人脸检测器比对，其结果如下：

3、算法特点

Yolov5检测算法，它是通用目标检测算法，人脸检测是其中一个特殊情况，人脸检测有其特殊性，比如长宽比1:1，可以增加关键点辅助训练等。