摘要： 针对人脸检测中小尺度人脸和遮挡人脸的漏检问题，提出了种基于改进 YOLOv5s-face（you only look once version 5 small-face）的Face5系列人脸检测算法Face5S（face5small）和Face5M（face5 medium）。使用马赛克（mosa-lic）和图像混合（mixup）数据增强方法，提升算法在复杂场景下检测人脸的泛化性和稳定性；通过改进C3的网络结构和引入可变形卷积（DCNv2）降低算法的参数量，提高算法提取特征的灵活性；通过引入特征的内容感知重组上采样算子（CARAFE），提高多尺度人脸的检测性能；引入损失函数WIoUV3（wise intersection over union version 3），提升算法的小尺度人脸检测性能。实验结果表明，在WIDER FACE验证集上，相较于YOLOv5s-face算法，Face5S算法的平均mAP@0.5提升了1.03%；相较于先进的人脸检测算法ASFD-D3（automatic and scalable face detector-D3）和TinaFace，Face5M 算法的平均 mAP@0.5 分别提升了 1.07%和2.11%，提出的 Face5 系列算法能够有效提升算法对小尺度和部分遮挡人脸的检测性能，同时具有实时性。

关键词: 人脸检测；损失函数；目标检测；密集小尺度人脸；YOLOv5

中图分类号: 

• TP391.41