超轻量人脸关键点检测算法

来源：电子测量技术杂志2023年第5期北京时间：

作者：朱望纯，张博

单位：1.桂林电子科技大学电子工程与自动化学院 桂林 541004; 2.智能综合自动化广西高校重点实验室 桂林 541004

摘要：随着深度学习网络研究的深入和网络模型精度的提高，网络层数及深度在逐渐增加，导致计算量增大。同时，基于深度学习模型人脸关键点检测在嵌入式设备上部署的需求，轻量化、高效和准确的网络模型成为研究关键。因此，本文设计了一个基于Ghost Model块和Ghost Bottleneck架构的超轻量型人脸关键点检测算法，在确保网络精度的同时，尽可能减小网络模型大小，降低计算量。在网络宽度因子为1X的情况下，与现有表现最好的轻量化网络模型PFLD 1X相比，归一化平均误差降低了7%，参数量减小了36%；在宽度因子为0.25X的情况下，本论文提出的网络模型大小仅420 KB，归一化平均误差降低了6.6%，参数量减小了25%。

关键词：超轻量化;深度学习;人脸关键点