초록
최근 몇 년간 합성곱 신경망(Convolutional Neural Networks)을 활용한 얼굴 탐지 분야에서 엄청난 진전이 이루어졌다. 많은 얼굴 탐지기들이 얼굴 탐지를 위해 특화된 설계를 사용하지만, 본 연구에서는 얼굴 탐지를 일반적인 객체 탐지 문제로 간주한다. 우리는 YOLOv5 객체 탐지기 기반으로 얼굴 탐지기를 구현하였으며, 이를 YOLO5Face라 명명하였다. YOLOv5에 몇 가지 핵심적인 수정을 가하여 얼굴 탐지에 최적화하였다. 이러한 수정 사항으로는 다섯 점의 특징점 회귀(head)를 추가하고, 백본(backbone)의 입력부에 스템 블록(stem block)을 도입하며, SPP(Spatial Pyramid Pooling)에서 더 작은 커널 크기를 사용하고, PAN(Panoptic Feature Pyramid) 블록에 P6 출력을 추가하는 것이 포함된다. 다양한 모델 크기의 탐지기를 설계하였으며, 최고의 성능을 달성하기 위한 초대형 모델부터 임베디드 또는 모바일 장치에서 실시간 탐지를 위한 초소형 모델까지 다양하게 구성하였다. WiderFace 데이터셋에서의 실험 결과, VGA 이미지에서 우리의 얼굴 탐지기는 거의 모든 Easy, Medium, Hard 하위 세트에서 최신 기술(SOTA) 수준의 성능을 달성하였으며, 더 복잡한 전용 얼굴 탐지기들보다도 뛰어난 성능을 보였다. 코드는 \url{https://github.com/deepcam-cn/yolov5-face}에서 공개되어 있다.