优化改进YOLOv5算法之针对小目标检测优化YOLOv5_Face2(超详细)

本文主要参考YOLO-FaceV2这个文章，该文章为了解决人脸检测中小目标、遮挡等问题，在YOLOv5算法的基础提出了几点改进，且取得了比较不错的效果。 

YOLO-FaceV2: A Scale and Occlusion Aware Face Detector

1 YOLO_Face2算法

1.1 网络结构

YOLOv5是一款优秀的通用物体探测器。我们将YOLOv5引入人脸检测领域，试图解决小人脸和人脸遮挡等问题。
我们的YOLO-FaceV2探测器的架构如图1所示。它由三部分组成：脊椎结构、颈部和头部。我们以CSPDarket53为骨干，在P5层用RFE模块取代瓶颈，融合多尺度特征。在颈部，我们保持了SPP[47]和PAN[48]的结构。此外，为了提高目标位置感知能力，我们还将P2层集成到PAN中。头部用于对类别进行分类并回归目标的位置。我们还在头部中添加了一个特殊的分支，以增强模型的遮挡检测能力。在图1（a）中，左侧的红色部分是探测器的主干，由CSP块和CBS块组成。它主要用于提取输入图像的特征。并增加了RFE模块，扩展了P5层的有效感受野，增强了多尺度融合能力。在图1（b）中，右侧的蓝色和黄色部分称为颈层，由SPP和PAN组成。我们还融合了P2层的特征，以提高更准确的目标定位能力。在图1（c）中，我们引入了分离和增强注意力模块（SEAM），以增强颈部层输出部分后被遮挡面部的响应能力。