摘要

近年来，得益于卷积神经网络的发展，人脸检测技术取得了巨大进展。尽管许多现有的人脸检测器采用专为检测人脸而设计的架构，本文将人脸检测视为一个通用的目标检测任务。我们基于YOLOv5目标检测框架实现了一种人脸检测器，并将其命名为YOLO5Face。通过对YOLOv5进行若干关键改进，使其更适用于人脸检测任务。这些改进包括：增加五点关键点回归头、在主干网络输入端引入茎干模块（stem block）、在空间金字塔池化（SPP）模块中采用更小尺寸的卷积核，并在路径聚合网络（PAN）模块中增加P6输出层。我们设计了多种不同规模的检测器，从超大模型以实现最佳性能，到超小模型以支持在嵌入式或移动设备上的实时检测。在WiderFace数据集上的实验结果表明，在VGA分辨率图像上，我们的检测器在Easy、Medium和Hard三个子集上几乎均达到了当前最优水平，性能超越了结构更为复杂的专用人脸检测器。相关代码已开源，地址为：\url{https://github.com/deepcam-cn/yolov5-face}。