Evaluation d’un algorithme de Deep learning pour l’amélioration du taux de détection d’objets multiples dans des scènes denses

Abstract

La détection des visages est devenue l'une des méthodes les plus populaires dans la détection d'objets. L'application de la détection des visages dans des scènes réelles est toujours confrontée à certains défis en raison de l'influence de facteurs complexes. Les techniques d'apprentissage en profondeur sont apparues comme une stratégie puissante qui a fourni une solution alternative pour imiter la vision humaine. Ces techniques sont basées sur des réseaux neuronaux tels que les réseaux neuronaux convolutifs (CNN). Notre approche consiste à détecter des visages aussi lointains que possible dans des scènes denses et en temps réel, où de nombreuses interférences limitent l'efficacité des informations pour la détection. Pour ce faire, on a adopté le modèle YOLO_Face pour la détection, une étude comparative a été faite avec le modèle YOLO5Face