基于改进GhostFaceNet的电梯内人脸检测模型研究

张 艳红1, 丁 玉俊1, 孙 浩波2, 丁 新其3
1、江苏省特种设备安全监督检验研究院泰州分院
2、江苏省特种设备安全监督检验研究院盐城分院
3、江苏省特种设备安全监督检验研究院

摘要


为提升系统对多源视觉信息的感知与识别能力，本文提出一种融合改进型GhostFaceNet的多源视觉检测模
型ResSpatial_GhostFaceNet，针对电梯等狭小场景下的人脸遮挡问题进行算法优化。通过引入多尺度卷积、空间注意
力机制、残差结构和ArcFace损失函数，提升了模型在边缘设备上的识别精度与鲁棒性。实验基于真实口罩人脸数据
集开展对比与消融测试，结果表明优化模型在准确率、Loss与参数控制方面均优于主流轻量模型，展现了良好的多
源视觉识别能力。

关键词


多源视觉；遮挡识别；GhostFaceNet；注意力机制；人脸识别；轻量模型

全文:

PDF


参考


[1]韩凯，王昱，田启阳，等.GhostNet：基于廉价

操作的高效特征网络[C]//计算机视觉与模式识别会议

（CVPR）.美国：IEEE，2020：1580-1589.

[2]邓嘉，郭健，薛楠，等.ArcFace：用于人脸识别

的加性角度间隔损失函数[C]//计算机视觉与模式识别会

议（CVPR）.美国：IEEE，2019：4690-4699.

[3]Howard A，Sandler M，Chu G，等.MobileNetV3：

轻量级神经网络架构搜索[C]//国际计算机视觉大会

（ICCV）.韩国：IEEE，2019：1314-1324.

[4]胡杰，沈磊，孙健.Squeeze-and-Excitation Networks

[C]//计 算 机 视 觉 与 模 式 识 别 会 议（CVPR）.美 国：

IEEE，2018：7132-7141.


Refbacks

  • 当前没有refback。