级联的卷积神经网络人脸检测方法

论文摘要

针对由于光照、分辨率、姿态和表情等因素变化引起的人脸检测准确性不高的问题和大多人脸检测算法使用单一的卷积神经网络去提取特征引起的算法的泛化能力变弱的问题,提出了三层由浅及深的级联的卷积神经网络结构。通过全卷积神经网络快速定位人脸候选区域,采用深度神经网络提取人脸鲁棒性特征,对候选区域进一步分类验证,并用联合回归的方法确定最终人脸位置,提高检测精度。同时通过加权降低得分改进常用的非极大值抑制的方法,解决了由于相邻人脸高度重叠引起的漏检问题。实验结果表明,该模型对上述引起人脸检测准确率不高的因素具有较好的鲁棒性,并且在FDDB数据集上有着较高的准确率和运行速度。改进后的非极大值抑制算法对在FDDB的测试准确率也有一定的提升。

论文目录

• 1 引言
• 2 改良的NMS（非极大值抑制）算法
•   2.1 评价函数
•   2.2 NMS算法及改良
• 3 设计方法
•   3.1 整体框架
•   3.2 级联网络结构
•     3.2.1 人脸候选区域（12net）网络设计
•     3.2.2 提纯网络（24net）设计
•     3.2.3 输出网络（48net）设计
•   3.3损失函数
• 4 结果分析
• 5 运行效率
• 6 结束语

文章来源

类型: 期刊论文

作者: 李亚可,玉振明

关键词: 人脸检测,全卷积网络,联合回归

来源: 计算机工程与应用 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: 桂林电子科技大学信息与通信学院,梧州学院电子信息工程学院

基金: 广西重点研发计划（No.桂科AB16380273）,国家自然科学基金（No.61562074）

分类号: TP391.41;TP183

页码: 184-189

总页数: 6

文件大小: 1995K

下载量: 511