YOLOv8改进 | 注意力篇 | YOLOv8引入YOLO-Face提出的SEAM注意力机制优化物体遮挡检测

1. SEAM介绍

1.1  摘要：近年来，基于深度学习的人脸检测算法取得了长足的进步。 这些算法通常可以分为两类，即像 Faster R-CNN 这样的两级检测器和像 YOLO 这样的一级检测器。 由于精度和速度之间具有更好的平衡，一级探测器已广泛应用于许多应用中。 在本文中，我们提出了一种基于单级检测器YOLOv5的实时人脸检测器，命名为YOLO-FaceV2。 我们设计了一个称为 RFE 的感受野增强模块来增强小脸的感受野，并使用 NWD Loss 来弥补 IoU 对微小物体位置偏差的敏感性。 对于人脸遮挡，我们提出了一个名为 SEAM 的注意力模块，并引入 Repulsion Loss 来解决它。 此外，我们使用权重函数Slide来解决简单样本和困难样本之间的不平衡，并使用有效感受野的信息来设计锚点。 WiderFace 数据集上的实验结果表明，我们的人脸检测器优于 YOLO，并且它的变体可以在所有简单、中等和困难子集中找到。

官方论文地址：https://arxiv.org/pdf/2208.02019

官方代码地址：https://github.com/Krasjet-Yu/YOLO-FaceV2

1.2  简单介绍:  

S