摘要

智慧课堂是人工智能领域热门的应用场景。本文针对课堂场景下摄像头位置较远且偏,图像中目标存在人脸过小和遮挡导致漏检或错检等问题,提出了一种改进YOLOv5的智慧课堂人脸检测算法YOLOv5-SASA。该算法主要包括三个部分,首先,在Backbone层沿用了CSPDarknet53网络,通过在最后的空间池化层中使用BasicRFB模块来有效增强网络的特征提取能力。此外,采用NWD损失函数来提高模型对小目标检测的鲁棒性,同时在Head层中引入了独立自注意力机制模块SASA,以解决人脸遮挡的问题,并降低模型的参数量。最后,通过降低中间层通道神经元的数量、调节学习率等方式,对改进的YOLOv5网络进行了优化,以避免模型过拟合。实验结果表明,本文所提出的方法在WiderFace验证集的Easy、Medium和Hard难度下的效果均优于原网络,分别达到了97.5%、96.3%和86.5%的准确率,能够有效提升课堂场景下人脸检测的精度。