一种基于Mamba-YOLO-Face模型的人脸检测方法

本发明公开了一种基于Mamba‑YOLO‑Face模型的人脸检测方法，通过BidGSUSSM主干网络高效提取深层语义特征，擅长捕捉人脸的纹理、边缘等关键信息，有效减少背景噪声干扰，从而提升检测精度，同时，该网络通过减少冗余计算和优化结构，降低了模型参数量和计算复杂度，实现了精度与效率的平衡，此外，BidGSUSSM利用多尺度特征提取和注意力机制，自适应调整对光照、姿态的敏感度，减少因光照变化或侧脸导致的误检/漏检，C2f‑BidGSUSSM颈部网络通过跨尺度特征融合，增强了对小目标、遮挡人脸的检测能力，显著降低漏检率，5Point Landmark Regression Head头部网络通过回归人脸关键点，优化了检测框定位精度，并利用关键点约束提升了对姿态变化和遮挡人脸的鲁棒性。