基于卷积神经网络的人脸检测研究与应用

发布时间：2021-12-09 15:16

　　卷积神经网络（Convolutional Neural Network,CNN）,是一种比较独特的深层神经网络模型,是由人工神经网络和深度学习网络合并产生的一种新型的人工神经网络。目前,其在计算机视觉领域获得了较优的成绩。而人脸识别问题,在实际应用中由于无约束环境下背景、照明、姿态和面部表情等因素的影响,存在一定的难度。因此,近几年以CNN为手段,进行特征提取的人脸检测算法不断被提出,可以很好的解决野生数据集中准确率不高的问题,并取得了不错的效果。本文基于CNN的构建模式,设计了一种多尺度融合卷积神经网络（MSF-CNN）结构,用来训练人脸检测器。CNN作为一种特征提取方式,具有主动学习能力。所以本文在设计网络结构时,充分发挥了其自主学习特征的能力,将中间层输出分为三个通道进行卷积操作,并且每个通道设置数量、尺寸各不相同的卷积核,得到样本三个尺度的卷积特征;然后将不同尺度的特征通过归一化后按比例融合;最后与分类层相连训练分类器。该方法的主要贡献为:（1）模型提取的多尺度特征包含更多有用的信息,使分类精度要高于单尺度。（2）与级联的CNN模型相比,规模变小,复杂度降低。（3）实现端到端的... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

LeNet-5网络结构图

权值共享图例

图像金字塔图像金字塔主要有高斯金字塔(Gaussianpyramid)和拉普拉斯金字塔(Laplacianpyramid)两种


本文编号：3530859