非限定条件下的基于全卷积神经网络的人脸检测算法研究

发布时间：2024-11-02 09:06

　　 人脸检测是从给定的图像或视频中准确定位人脸的位置和尺度大小,是人工智能领域重点研究内容之一.针对当前人脸检中人脸尺度多样性问题,特别是小尺寸人脸检测困难问题,提出了一种基于全卷积神经网络的人脸检测模型,并设计了多尺度特征学习网络结构用于细粒度特征的学习,从而提升小尺度人脸检测的准确率.实验结果表明该算法有较高的检测准确率,在FDDB测试集中的检测准确率达到96.6%,在大大提升了人脸检测效率的同时,提高了对小尺度人脸检测的鲁棒性,具有很好的人脸检测性能.

【文章页数】：5 页

【部分图文】：

VGG-16网络结构主要由13个卷积层和3个全连接层组成，模型待优化参数是数亿级别，其中全连接层的参数约占整个网络参数的89%.在VGG-16网络中，卷积层后面接3个全连接层和Softmax层实现特征维度的降维和图像的分类预测.但在VGG-16网络中的全连接层将特征映射到低维特征....

图2为本算法设计网络对不同图像中人脸检测的效果.在人脸密集度不高的场所，该算法都能准确的完成人脸检测.在图2(b）中对有部分遮挡的人脸也实现了准确的检测；在图2(c）中人脸密集且小尺度人脸的情况下，该算法同样有很好的检测效果，具有对小尺度人脸检测的鲁棒性.3结论

本文编号：4009351