基于深度可分离的多尺度Lw-YOLO轻量化人脸检测网络

针对目前神经网络模型计算复杂,在无GPU嵌入式平台的模型检测精度较低的问题,提出一种可在树莓派3B+上检测的轻量化人脸检测网络Lw-YOLO(Lightweight-YOLO)。此网络基于YOLO-LITE模型,利用深度可分离卷积替代传统卷积,有效地减少网络计算量并提升网络深度;增加多尺度预测模块,为预测层提供丰富的语义信息,提高网络精度。实验结果表明,训练得出的网络模型大小只有3.1 MB,在WiderFace人脸数据集上取得77.13%的平均精度,比原模型高23.22%,更适合无GPU的嵌入式平台。