YOLOv5算法的人脸识别检测方法研究

以YOLOv5算法为核心,针对小尺度人脸的识别精准度不高问题进行研究。分析YOLOv5系统结构,研究加权双向特征金字塔网络(BiFPN)的特征融合思想,提出了权重的BiFPN,充分利用深层、浅层以及原始的特征信息,加强了特征融合,减少了卷积过程中特征信息的丢失,提高了检测精度。采用WiderFace人脸数据集进行改进前后对比训练,得出通过改进YOLOv5结构中的Neck部分,使得算法在少量增加计算量和参数量的情况下,人脸识别精准度(Precision)达到91.2%,召回率(Recall)达到83.4%,检测速度也有所加快。具有较好的检测度与实时性。