基于YOLO的多尺度并行人臉檢測(cè)算法

賀懷清，王 進(jìn)，惠康華，陳 琴

(中國民航大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，天津 300300)

0 引 言

人臉檢測(cè)作為相關(guān)人臉問題[1-3]的基礎(chǔ)，一直以來都是計(jì)算機(jī)視覺領(lǐng)域熱門研究方向。隨著深度學(xué)習(xí)的發(fā)展，開始出現(xiàn)許多基于卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測(cè)算法，Li等[4]提出了級(jí)聯(lián)的卷積神經(jīng)網(wǎng)絡(luò)算法一定程度上解決了傳統(tǒng)方法在開放場(chǎng)景對(duì)光照等環(huán)境因素敏感的問題。Zhang等[5]提出了多任務(wù)級(jí)聯(lián)的檢測(cè)算法與人臉關(guān)鍵點(diǎn)檢測(cè)聯(lián)合訓(xùn)練。通用目標(biāo)檢測(cè)算法經(jīng)常被應(yīng)用到人臉檢測(cè)領(lǐng)域，比如Jiang等[6]將通用目標(biāo)檢測(cè)算法Faster R-CNN[7]應(yīng)用到人臉檢測(cè)中取得很好的檢測(cè)效果。

上述采用的都是兩階段方法(two-stage)，主要分為兩個(gè)步驟：候選區(qū)域提取和候選區(qū)域特征判斷。這一類方法主要特點(diǎn)是檢測(cè)準(zhǔn)確率高，但是速度方面有所欠缺。后來出現(xiàn)了端到端的單階段方法(one-stage)，比如Najibi等[8]提出根據(jù)不同卷積層的感受野大小不同實(shí)現(xiàn)多尺度的檢測(cè)，檢測(cè)精度雖然較兩階段類方法有所下降，但是檢測(cè)速度提高了許多。在通用目標(biāo)檢測(cè)中比較經(jīng)典的one-stage方法是Redmon等[9]提出的YOLO。

雖然YOLO具有檢測(cè)速度快，誤檢率低和泛化能力強(qiáng)的優(yōu)勢(shì)，但直接應(yīng)用在人臉中存在問題。由于網(wǎng)格劃分的尺度單一，對(duì)多尺度人臉的檢測(cè)效果不夠理想，召回率不夠高；另外，YOLO本質(zhì)思想是將檢測(cè)問題轉(zhuǎn)變?yōu)榛貧w問題,單一尺度的檢測(cè)使得人臉的定位不準(zhǔn)確；最后，YOLO算法是針對(duì)通用目標(biāo)檢測(cè)的算法，更多考慮的是類間的分離而忽略了類內(nèi)的聚合，導(dǎo)致類內(nèi)距離可能會(huì)大于類間距離而降低檢測(cè)的準(zhǔn)確度。

針對(duì)以上問題，本文提出基于YOLO的多尺度并行人臉檢測(cè)算法(multi-scale parallel face detection algorithm based on YOLO, MPYOLO)。首先，MPYOLO具有由密集到稀疏的多尺度的網(wǎng)絡(luò)結(jié)構(gòu)能夠兼顧多種尺寸的人臉，從而提高檢測(cè)的召回率；多尺度網(wǎng)絡(luò)使得同一張人臉檢測(cè)得到的定位框增多，求取平均增加人臉定位的準(zhǔn)確度；其次，采用基于生產(chǎn)者消費(fèi)者模型的并行檢測(cè)算法，保證了時(shí)間開銷與YOLO持平；最后，引入中心聚合的思想，將中心損失函數(shù)(center loss)[10]與YOLO損失函數(shù)聯(lián)合訓(xùn)練，降低類內(nèi)的距離，進(jìn)一步提高網(wǎng)絡(luò)的分類性能。

1 MPYOLO模型結(jié)構(gòu)

1.1 YOLO通用目標(biāo)檢測(cè)問題分析

YOLO主要思想是將輸入圖片劃分成s×s個(gè)網(wǎng)格，每個(gè)網(wǎng)格負(fù)責(zé)預(yù)測(cè)m個(gè)邊界框，則一幅圖的候選區(qū)域最多為s×s×m個(gè)。如果檢測(cè)目標(biāo)的中心落在某個(gè)網(wǎng)格中，那么這個(gè)網(wǎng)格就負(fù)責(zé)預(yù)測(cè)回歸這個(gè)目標(biāo)，如圖1所示，人臉框efgh的中心o落在了網(wǎng)格abcd中，則網(wǎng)格abcd負(fù)責(zé)回歸預(yù)測(cè)出人臉。YOLO省去了two-stage方法中耗時(shí)的候選區(qū)域提取的步驟，提高了檢測(cè)速度，但由于網(wǎng)格劃分的尺度單一性，使得YOLO方法的召回率不夠高。另外，YOLO采用回歸方式定位人臉位置，速度雖然有所提升，但是定位準(zhǔn)確性要比two-stage方法中采用搜索方式定位方法要差些。

圖1 YOLO網(wǎng)格劃分

1.2 多尺度并行網(wǎng)絡(luò)結(jié)構(gòu)

YOLO采用單一尺度存在召回率低的問題，召回率計(jì)算方法見式(1)

(1)

式中：TP(true positive)指正樣本中預(yù)測(cè)為正的數(shù)量，F(xiàn)N(false negative)為正樣本中預(yù)測(cè)為負(fù)的數(shù)量，YOLO召回率低是因?yàn)橛行┤四槢]有檢測(cè)到，TP值較低。如圖2(a)所示，當(dāng)人臉尺寸較小且距離較近時(shí)候，多個(gè)人臉的中心點(diǎn)就會(huì)落到同一個(gè)網(wǎng)格中。如果一個(gè)網(wǎng)格只負(fù)責(zé)預(yù)測(cè)兩個(gè)邊界框，則最終只能檢測(cè)到其中兩個(gè)人臉。如果將網(wǎng)格進(jìn)一步細(xì)分，比如劃分成8×8，如圖2(b)所示就可以將距離近的小尺寸人臉劃分開。人臉中心將落到不同的網(wǎng)格中就能夠被檢測(cè)到，TP值提升，從而提高檢測(cè)的召回率。

圖2 不同網(wǎng)格劃分

當(dāng)檢測(cè)大尺寸人臉時(shí)，如果采用密集的網(wǎng)格劃分，如圖3所示，人臉中心點(diǎn)落到了候選框ABCD，則需要以候選框ABCD去回歸預(yù)測(cè)真實(shí)的邊界框EFGH，候選框與真正的邊界框差距較大，這樣導(dǎo)致YOLO對(duì)大尺寸人臉的定位不準(zhǔn)確，因此只采用密集的網(wǎng)格劃分，難以滿足實(shí)際的需求。

圖3 密集網(wǎng)格劃分

針對(duì)以上分析，本文提出由密集到稀疏的多尺度并行網(wǎng)絡(luò)，結(jié)構(gòu)框架如圖4所示。對(duì)于一幅含有多個(gè)尺寸的人臉照片，采用多尺度的網(wǎng)絡(luò)來進(jìn)行檢測(cè)，稀疏的網(wǎng)格劃分網(wǎng)絡(luò)對(duì)大尺寸人臉檢測(cè)效果良好，密集的網(wǎng)格劃分網(wǎng)絡(luò)對(duì)距離較近的小尺寸人臉檢測(cè)效果良好。

圖4 多尺度并行網(wǎng)絡(luò)結(jié)構(gòu)

圖4所示多尺度并行網(wǎng)絡(luò)結(jié)構(gòu)不僅提高了檢測(cè)的召回率，在一定程度上也提高了定位的準(zhǔn)確性。多尺度網(wǎng)絡(luò)結(jié)構(gòu)使得輸入圖片的同一個(gè)人臉可能會(huì)在不同尺度網(wǎng)絡(luò)中檢測(cè)出不同結(jié)果，如圖5(b)所示，兩個(gè)較細(xì)檢測(cè)框?yàn)閮煞N尺度下的兩個(gè)不同的檢測(cè)結(jié)果，經(jīng)過非極大值抑制求取平均合并后得到較粗的檢測(cè)框?yàn)槎喑叨染W(wǎng)絡(luò)下檢測(cè)最終結(jié)果。在非極大值抑制過程中，對(duì)保留框與剔除框分別求取坐標(biāo)與寬高的加和平均值為最終的輸出結(jié)果。加和平均的結(jié)果由于是多個(gè)尺度網(wǎng)絡(luò)的檢測(cè)結(jié)果，比如圖5(a)所示的單尺度YOLO檢測(cè)定位要準(zhǔn)確。

圖5 單尺度與多尺度檢測(cè)結(jié)果對(duì)比

串行的多尺度網(wǎng)絡(luò)會(huì)使時(shí)間開銷增大，為了使檢測(cè)的速度與YOLO保持相同水平，MPYOLO采用基于生產(chǎn)者消費(fèi)者模型的并行算法，具體算法見表1。多尺度網(wǎng)絡(luò)由串行變成并行工作，時(shí)間開銷由多個(gè)尺度網(wǎng)絡(luò)檢測(cè)的時(shí)間加和減少為單個(gè)尺度網(wǎng)絡(luò)檢測(cè)的時(shí)間，保證了YOLO在提高檢測(cè)性能的同時(shí)時(shí)間開銷不會(huì)大幅度增加。

表1 基于生產(chǎn)者消費(fèi)者模型的并行檢測(cè)算法

1.3 中心損失函數(shù)

YOLO損失函數(shù)采用的是平方和誤差，這種誤差的特點(diǎn)是誤差值大的將會(huì)變得更大從而增大不同誤差值之間的差距。平方和誤差損失函數(shù)作為神經(jīng)網(wǎng)絡(luò)的輸出層，有著計(jì)算方便的優(yōu)點(diǎn)，但是將隱藏層輸出值轉(zhuǎn)換成結(jié)果值時(shí)只考慮到了類間的分離，卻忽略了類內(nèi)的聚合問題。這樣導(dǎo)致的結(jié)果是類內(nèi)的距離可能比類間的距離還要大，如圖6(a)所示，類別1與類別2的類間距離比類內(nèi)距離還小。因此，引入中心聚合的思想，將類內(nèi)距離減小，如圖6(b)所示，相對(duì)的進(jìn)一步增加了類間的區(qū)分度，提升檢測(cè)的性能。

圖6 中心聚合

為解決這一問題，本文在YOLO損失函數(shù)基礎(chǔ)上加入中心損失函數(shù)，見式(2)

(2)

N表示所有樣本網(wǎng)格分塊總數(shù)量，xi表示第i(i=1,2,3，…,N) 個(gè)分塊全連接層之前的特征值，cyi表示第i個(gè)分塊的第yi個(gè)類別的中心。該公式有效地表示了類內(nèi)的變化，理想情況下，隨著深層特征的改變，應(yīng)該更新cyi， 換句話說，在每次迭代中需要考慮整個(gè)訓(xùn)練集并求取每個(gè)類的平均特征，實(shí)際中由于數(shù)據(jù)量巨大以及計(jì)算資源有限，這樣是不切實(shí)際的。因此，中心損失不能直接使用。

為解決這個(gè)問題，首先，不是基于整個(gè)訓(xùn)練集更新中心，而是基于小批量執(zhí)行更新。在每次迭代中，通過平均相應(yīng)類的特征來計(jì)算中心。其次，為了避免由少量錯(cuò)誤標(biāo)記的樣本引起的大擾動(dòng)，使用標(biāo)量α來控制中心值的學(xué)習(xí)率。c與Δc的更新表達(dá)式分別見式(3)和式(4)。最終采用標(biāo)準(zhǔn)隨機(jī)梯度下降進(jìn)行優(yōu)化

(3)

式中：t表示迭代次數(shù)

(4)

其中

(5)

訓(xùn)練過程中，YOLO損失函數(shù)與中心損失函數(shù)結(jié)合，見式(6)

Lcls=LYOLO+λLc

(6)

標(biāo)量λ， 稱作懲罰系數(shù)用于平衡兩個(gè)損失函數(shù)。如果λ設(shè)置為0，YOLO損失函數(shù)則可以被認(rèn)為是這種聯(lián)合損失函數(shù)的一個(gè)特例。

2 實(shí)驗(yàn)結(jié)果及分析

本文實(shí)驗(yàn)使用的計(jì)算機(jī)配置為ubuntu 16.04操作系統(tǒng)，Intel Core i5處理器，內(nèi)存為8 GB，顯卡為NVIDIA GeForce GTX 745，開發(fā)環(huán)境使用的是Pycharm。

2.1 數(shù)據(jù)集介紹

CelebA[11]，它是香港中文大學(xué)提供的人臉數(shù)據(jù)集，包括10 177個(gè)名人身份，總共202 599個(gè)人臉。這些人臉圖像覆蓋多姿態(tài)，多角度以及復(fù)雜的背景。CelebA數(shù)據(jù)集的特點(diǎn)是大部分圖像都只包含一張人臉，這樣在訓(xùn)練的時(shí)候可以確保一個(gè)網(wǎng)格中只能落入一個(gè)人臉的中心，使得對(duì)人臉的特征學(xué)習(xí)更加充分。

FDDB[12]是非常具有挑戰(zhàn)性的人臉檢測(cè)數(shù)據(jù)集，一共包含了2845張圖片，人臉總數(shù)達(dá)到5171個(gè)。這些人臉?biāo)尸F(xiàn)的狀態(tài)多樣，包括遮擋、罕見姿態(tài)、低分辨率以及失焦的情況，該數(shù)據(jù)集是評(píng)價(jià)人臉檢測(cè)算法的權(quán)威數(shù)據(jù)集。

2.2 模型訓(xùn)練

從CelebA數(shù)據(jù)集中隨機(jī)選取15 000張作訓(xùn)練集。如圖7 所示為7×7網(wǎng)格劃分的訓(xùn)練網(wǎng)絡(luò)結(jié)構(gòu)圖，引入中心損失函數(shù)后，為了進(jìn)一步增加網(wǎng)絡(luò)的分類能力在YOLO網(wǎng)絡(luò)卷積層最后一層后面增加一層參數(shù)為512的全連接層，同時(shí)為了防止過擬合，在最后輸出層之前增加dropout層。其它尺度的網(wǎng)格劃分的訓(xùn)練網(wǎng)絡(luò)與圖7結(jié)構(gòu)類似。圖7中 YOLO 卷積層的具體的網(wǎng)絡(luò)結(jié)構(gòu)參照文獻(xiàn)[9]。

圖7 訓(xùn)練網(wǎng)絡(luò)結(jié)構(gòu)

卷積層預(yù)訓(xùn)練參數(shù)使用YOLO網(wǎng)絡(luò)全連接層的前24層網(wǎng)絡(luò)參數(shù)，這些參數(shù)在CoCo[13]數(shù)據(jù)集上取得了63.4%的平均準(zhǔn)確率。中心損失函數(shù)學(xué)習(xí)率設(shè)置為0.1，懲罰系數(shù)設(shè)置為0.1，將輸入圖片調(diào)整成448×448大小分別訓(xùn)練不同網(wǎng)格劃分的網(wǎng)絡(luò)。

本文在網(wǎng)格劃分為 {n×n|n=2,3,…,14} 做測(cè)試，其中7×7，10×10，14×14這3種網(wǎng)格劃分有較好的檢測(cè)結(jié)果。以7×7網(wǎng)格劃分的訓(xùn)練結(jié)果為例，如圖8所示。準(zhǔn)確率是評(píng)價(jià)分類器性能比較直觀的評(píng)價(jià)指標(biāo)，本文每迭代5000次在訓(xùn)練集上進(jìn)行測(cè)試。如圖8(a)所示，隨著迭代次數(shù)的增加，中心損失不斷優(yōu)化下降，最終趨于平穩(wěn)狀態(tài)，此時(shí)在測(cè)試集上平均準(zhǔn)確度(average precision，AP)也不斷上升最終趨于飽和狀態(tài)，趨近于1，表明訓(xùn)練的網(wǎng)絡(luò)已經(jīng)具備很強(qiáng)的分類能力。整體損失值同樣也隨著迭代次數(shù)的增加不斷優(yōu)化下降最終趨于平穩(wěn)狀態(tài)，同樣AP值也不斷上升最終趨于飽和狀態(tài)，趨近于1，如圖8(b)所示。

圖8 中心損失與整體損失的訓(xùn)練優(yōu)化

2.3 對(duì)比算法實(shí)驗(yàn)結(jié)果及分析

2.3.1 多尺度與單尺度方法對(duì)比

從CelebA數(shù)據(jù)集中隨機(jī)選取5000張圖片組成測(cè)試集。采用7×7，10×10，14×14這3種尺度的并行網(wǎng)絡(luò)結(jié)構(gòu)與單尺度7×7的YOLO方法進(jìn)行測(cè)試，得到受試者工作特征曲線(receiver operating characteristic curve，ROC)對(duì)比如圖9所示。ROC曲線越靠近點(diǎn)(0,1)，分類器檢測(cè)性能就越好；繪制ROC曲線時(shí)閾值不固定，也體現(xiàn)了分類器的泛化性能，越靠近點(diǎn)(0,1)分類器泛化性能越好。圖9所示多尺度網(wǎng)絡(luò)結(jié)構(gòu)的曲線要比YOLO單尺度的曲線更靠近點(diǎn)(0,1)，這是因?yàn)槎喑叨染W(wǎng)絡(luò)相對(duì)于單尺度的YOLO方法對(duì)數(shù)據(jù)集中不同尺寸的人臉有更強(qiáng)的檢測(cè)能力。稀疏的單尺度網(wǎng)絡(luò)對(duì)小尺寸人臉檢測(cè)性能不理想，但在多尺度中不僅保留有稀疏的網(wǎng)絡(luò)，還存在密集的網(wǎng)絡(luò)可以提高對(duì)小尺寸的人臉檢測(cè)效果，因此多尺度的網(wǎng)絡(luò)結(jié)構(gòu)檢測(cè)性能和泛化性能都要優(yōu)于單尺度的YOLO。如圖9所示，采用本文多尺度結(jié)構(gòu)的YOLO在橫坐標(biāo)相同的情況下，縱坐標(biāo)要比單尺度YOLO的曲線高，也就是召回率高。

圖9 單尺度與多尺度YOLO的ROC對(duì)比

圖10 單尺度YOLO有無中心損失ROC對(duì)比

2.3.2 無中心損失對(duì)比

圖10所示為在7×7網(wǎng)格劃分下迭代55 000次YOLO算法有無引入中心損失后的ROC曲線，可以看到，引入中心損失后，ROC曲線要高于YOLO方法的曲線，也就是說在FP(false positive)相同的情況下，引入中心損失后的召回率要比YOLO方法要高，要更靠近左上角，分類性能有所提高。引入中心損失函數(shù)后，訓(xùn)練過程中人臉的特征被不斷聚合，不同人臉之間的差距不斷地減小，不同的人臉不斷地向著中心聚集，如此一來，最終人臉之間的聯(lián)系會(huì)變得更加緊密，相對(duì)的人臉與背景的差異就會(huì)變得明顯，因此網(wǎng)絡(luò)的分類性能會(huì)有所提高。

在ROC圖中當(dāng)兩條曲線交叉的時(shí)候無法直接看出哪一條曲線性能更佳，引入AUC(area under curve)值，它可以根據(jù)曲線右下方面積占比計(jì)算得出，AUC值越大，對(duì)應(yīng)的分類器性能越好。從第1次迭代到55 000次迭代每隔5000次在測(cè)試集上測(cè)試，繪制出單尺度YOLO有無引入中心損失AUC對(duì)比，如圖11所示。從圖中可以看出，開始的時(shí)候加入中心損失的AUC值要比原方法要低，這是因?yàn)橛?xùn)練開始階段，訓(xùn)練不夠充分，一定程度上破壞了類內(nèi)特征之間的聯(lián)系，特征的聚合還不足以去彌補(bǔ)。隨著迭代次數(shù)的增加達(dá)到兩條曲線交點(diǎn)30 000次迭代左右時(shí)，類內(nèi)距離開始小于類間距離，這時(shí)中心損失開始起作用，類內(nèi)距離不斷減小，分類性能不斷提高。從圖中兩條曲線的走勢(shì)可以看出，YOLO方法AUC值基本保持平穩(wěn)狀態(tài)，加入了中心損失后AUC值呈現(xiàn)上升的趨勢(shì)，這也正是特征不斷中心聚合的過程，類內(nèi)聚合越緊密，相對(duì)的類間的距離越大，分類器分類效果越好。

為了更加直觀展示中心聚合后的效果，迭代55 000次后用5000個(gè)樣本的卷積層最后一層的特征的平均數(shù)與中位數(shù)畫出散點(diǎn)圖。圖12(a)和圖12(b)分別為未引入中心損失與引入中心損失的對(duì)比圖。可以看到，加入中心損失后，散點(diǎn)圖更加集中，特征聚合程度要明顯高于未加入的YOLO算法。加入中心損失后類內(nèi)的距離減小了，使得類內(nèi)特征更加緊密，相對(duì)的類間的距離增大，這樣提高了網(wǎng)絡(luò)的分類性能。

圖11 單尺度YOLO有無中心損失AUC對(duì)比

圖12 特征聚合對(duì)比

2.3.3 人臉定位對(duì)比

為了比較兩種方法定位的準(zhǔn)確性，本文計(jì)算檢測(cè)到人臉的邊界框與真實(shí)人臉邊界框的平均交并比(intersection over union，IoU)，平均交并比越大表明檢測(cè)結(jié)果與真實(shí)人臉邊界框重疊區(qū)域越大，定位也就越準(zhǔn)確。對(duì)比結(jié)果見表2。從表中可以看出，本文的方法平均IoU要比YOLO方法大。這是因?yàn)椴煌叨鹊木W(wǎng)絡(luò)都有可能準(zhǔn)確地檢測(cè)到人臉的一部分，對(duì)最終的檢測(cè)結(jié)果都有所貢獻(xiàn)，如果采用YOLO單純地剔除重疊框的策略就會(huì)忽略不同尺度網(wǎng)絡(luò)對(duì)檢測(cè)結(jié)果所做出的貢獻(xiàn)，在一定程度會(huì)導(dǎo)致定位的不夠準(zhǔn)確，而本文采用的策略是將不同尺度網(wǎng)絡(luò)檢測(cè)結(jié)果非極大值抑制的同時(shí)加和求取平均，這樣考慮到了不同尺度網(wǎng)絡(luò)的檢測(cè)結(jié)果，因此正如表2結(jié)果所示，加入了多尺度網(wǎng)絡(luò)后定位的準(zhǔn)確性要高于YOLO方法。

表2 平均IoU對(duì)比結(jié)果

2.3.4 整體結(jié)果對(duì)比

為了進(jìn)一步驗(yàn)證本文方法的有效性，在FDDB數(shù)據(jù)集上與YOLO進(jìn)行對(duì)比。不失一般性地選取FP為1106，從準(zhǔn)確率、召回率以及檢測(cè)速度3個(gè)方面與YOLO進(jìn)行對(duì)比，結(jié)果見表3。從表中可以看出，本文方法在FDDB上的準(zhǔn)確率和召回率要優(yōu)于YOLO方法。本文方法采用多尺度的網(wǎng)絡(luò)結(jié)構(gòu)，對(duì)于差異大的多尺寸人臉圖片要比YOLO敏感，因此能夠在FDDB數(shù)據(jù)集上發(fā)揮多尺度的優(yōu)勢(shì)，檢測(cè)出更多尺寸的人臉。

表3 FDDB數(shù)據(jù)集對(duì)比結(jié)果

圖13為幾張?jiān)贔DDB上隨機(jī)選取的實(shí)際檢測(cè)結(jié)果對(duì)比圖，白色邊框?yàn)閅OLO方法檢測(cè)的得到的最終結(jié)果，黑色邊框?yàn)楸疚臋z測(cè)結(jié)果。可以看到針對(duì)多角度多姿態(tài)的人臉，本文方法的檢測(cè)結(jié)果相比于YOLO與實(shí)際的大小和位置更加吻合。

圖13 FDDB數(shù)據(jù)集檢測(cè)效果對(duì)比

為了進(jìn)一步驗(yàn)證本文方法的優(yōu)勢(shì)所在，本文選取目前主流的Face R-CNN[14]和最新的DSFD[15]從準(zhǔn)確率、召回率以及平均檢測(cè)速度3種具體數(shù)值指標(biāo)進(jìn)行比較，結(jié)果見表4。從結(jié)果可以看到，本文方法的準(zhǔn)確率和召回率相比于YOLO都有所提高。由于本文采用了生產(chǎn)者消費(fèi)者模型的并行檢測(cè)方式，檢測(cè)速度基本與YOLO持平。從實(shí)驗(yàn)結(jié)果，可以看出雖然MPYOLO在檢測(cè)效果上與Face R-CNN和DSFD稍微有所差距，但是檢測(cè)速度有著明顯的優(yōu)勢(shì)。另外，MPYOLO的模型相比于Face R-CNN和DSFD要簡(jiǎn)單，易于實(shí)現(xiàn)并且應(yīng)用。

表4 CelebA測(cè)試集對(duì)比結(jié)果

3 結(jié)束語

本文基于YOLO方法進(jìn)行改進(jìn)，提出了多尺度并行的檢測(cè)網(wǎng)絡(luò)，多尺度網(wǎng)絡(luò)結(jié)構(gòu)能夠充分學(xué)習(xí)到不同尺度的人臉特征，提高多尺寸人臉的檢測(cè)效果。在減小時(shí)間開銷上，采用了基于生產(chǎn)者消費(fèi)者模型的并行檢測(cè)算法，將多個(gè)尺度網(wǎng)絡(luò)檢測(cè)時(shí)間縮短為單尺度網(wǎng)絡(luò)的檢測(cè)時(shí)間。此外，引入中心損失函數(shù)，能夠減小類內(nèi)距離，使人臉特征聯(lián)系更加緊密，進(jìn)一步提高網(wǎng)絡(luò)的分類性能。實(shí)驗(yàn)結(jié)果表明，MPYOLO的召回率有所提高，準(zhǔn)確率也有所提高，人臉定位的準(zhǔn)確性也有所提高，同時(shí)速度仍然保持與YOLO的相同水平。本文在對(duì)人臉圖片或者視頻處理方面有著良好的應(yīng)用價(jià)值。在今后的研究中會(huì)從其它方面進(jìn)一步優(yōu)化MPYOLO模型，爭(zhēng)取能夠更快更準(zhǔn)地檢測(cè)并定位人臉。