基于卷积神经网络的人脸关键点检测算法设计

论文摘要

人脸关键点检测是模式识别和计算机视觉等领域十分活跃的研究方向。为了解决人脸关键点检测问题并提高检测的准确度,提出了一种基于卷积神经网络的人脸关键点检测算法,设计了一个新的网络模型,针对神经网络可能出现的梯度弥散和梯度爆炸的问题进行了优化。新型网络主要分为两个部分,第一部分是对人脸的关键点的总体预测,确定出大概位置;第二部分是对各个关键点的细微调整,保证结果的准确。为了提高网络的鲁棒性,采用两个数据集进行训练,在较短的训练时间内得到一个比较可靠的网络模型。实验结果表明所提出的方法十分适合用做人脸关键点检测,准确率达96%。

论文目录

• 0 引 言
• 1 系统模型
• 2 预处理
•   2.1 灰度化
•   2.2 样本集扩充
•   2.3 归一化处理
• 3 第一阶段网络模型
• 4 第二阶段网络模型
• 5 超参数和损失函数设计
•   5.1 第一阶段超参数设计
•   5.2 第二阶段超参数设计
•   5.3 损失函数的设计
• 6 实验结果与分析
•   6.1 数据集选择
•   6.2 检测结果
•   6.3 其他数据检测结果
•   6.4 结果分析
• 7 结 论

文章来源

类型: 期刊论文

作者: 石高辉,陈晓荣,刘亚茹,戴星宇,池笑宇,李恒

关键词: 深度学习,人脸检测,卷积神经网络,数据集,特征提取

来源: 电子测量技术 2019年24期

年度: 2019

分类: 信息科技

专业: 计算机软件及计算机应用,自动化技术

单位: 上海理工大学光电学院

分类号: TP391.41;TP183

DOI: 10.19651/j.cnki.emt.1903235

页码: 125-130

总页数: 6

文件大小: 2367K

下载量: 447