Cortex-A57的轻量级人脸检测算法研究

针对高性能人脸检测模型参数量大、计算复杂度高,难以在嵌入式设备进行边缘部署的问题,对RetinaFace模型进行轻量化改进,提出一种轻量级人脸检测算法。采用MobileNetV2＿0.5×作为特征提取骨干,应用轻量的PANLite对多尺度特征进行双向融合,增强特征表征能力。采用RFBLite实现特征增强,在增大特征感受野的同时合并上下文信息。使用滤波器剪枝算法对训练后的模型进行剪枝处理,再次训练微调网络参数后部署到嵌入式端Nvidia Jetson Nano进行模型推理。实验结果表明,该轻量级模型能够以较少的参数量和较低的计算复杂度实现较高的人脸检测性能,且能在嵌入式平台上进行实时推理。