基于轻量级卷积神经网络的人脸检测算法

朱灵灵，高 超，陈福才

（1.郑州大学中原网络安全研究院，郑州450000；2.中国人民解放军战略支援部队信息工程大学，郑州450000）

0 概述

人脸检测算法是计算机视觉信息处理的经典问题，经过多年的研究已经比较成熟，但随着移动设备的快速普及，人脸检测算法需要应用在手持设备、车载设备等移动终端上。然而，这些终端设备在计算能力、存储能力等方面相对服务器和个人计算机设备局限性很强。为使基于深度网络的人脸检测算法能够较好地运行在移动终端设备上，基于轻量级卷积神经网络的算法得到人们越来越多的关注。

国内外学者已经对人脸检测算法进行了深入研究，提出了诸多经典方法。文献［1］提出用于人脸检测任务的多任务神经网络模型，其主要采用3 个级联网络，运用候选框加分类器的思想进行快速高效的人脸检测；文献［2］提出的Faster RCNN 将特征抽取、候选框提取、边界框回归、分类整合在一个网络中，使得综合性能有较大提高；文献［3］提出的SSD是一种基于单步候选区回归的目标检测算法。

在2012年举行的ImageNet 大赛中，文献［4］将卷积神经网络AlexNet 应用在图像分类中并取得冠军，之后，基于深度学习的检测方法得到快速发展；文献［5］提出的GoogLeNet 网络通过增大网络规模，包括深度和宽度，提高网络性能；2014年，文献［6］提出的VGG 主要采用小尺寸的卷积核，被广泛应用于视觉领域的各类任务中；文献［7］提出的ResNet 网络将网络的层数推广到了前所未有的规模。这些卷积网络主要是通过加深网络层数提高模型准确率，但增加了网络的整体复杂度，使得网络难以优化，容易过拟合。……