-
题名一种改进的基于SSD模型的多尺度人脸检测算法
被引量：4
- 1
-
-
作者
方帅
李永毅
刘晓欣
高尚
范迪
-
机构
山东科技大学
-
出处
《信息技术与信息化》
2019年第2期39-42,共4页
-
文摘
目前基于单一卷积神经网络(SSD)的人脸检测模型在解决不同尺度的人脸检测问题时,存在小尺度人脸检测准确率不高的问题。为此,本文提出一种改进的基于SSD模型的多尺度人脸检测方法。该方法采用特征密集连接策略,加强基础网络中不同卷积层之间的信息流动性,从而提升基础网络的特征描述能力;并通过在浅层特征中引入上下文信息,提高小尺度人脸的检测准确性。在WIDER FACE数据集上进行实验,结果表明,本文方法可较好的检测出多尺度人脸。
-
关键词
多尺度人脸检测
特征密集连接策略
上下文信息
特征融合
SSD模型
-
Keywords
Multi-scale face detection
Feature-dense connection strategy
Contextual information
Feature map fusion
SSD model
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于单一神经网络的多尺度人脸检测
被引量：8
- 2
-
-
作者
刘宏哲
杨少鹏
袁家政
王雪峤
薛建明
-
机构
北京联合大学北京市信息服务工程重点实验室
北京开放大学
北京联合大学计算机技术研究所
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2018年第11期2598-2605,共8页
-
基金
国家自然科学基金(61571045)
北京市属高校高水平教师队伍建设支持计划项目(IDHT20170511)
+2 种基金
国家科技支撑项目(2015BAH55F03)
北京联合大学新起点项目(Zk10201703)
北京市教委科技计划一般项目(KM201811417002)~~
-
文摘
人脸检测是指检测并定位输入图像中所有的人脸,并返回精确的人脸位置和大小,是目标检测的重要方向。为了解决人脸尺度多样性给人脸检测造成的困难,该文提出一种新的基于单一神经网络的特征图融合多尺度人脸检测算法。该算法在不同大小的卷积层上预测人脸,实现实时多尺度人脸检测,并通过将浅层的特征图融合引入上下文信息提高小尺寸人脸检测精度。在数据集FDDB和WIDERFACE测试结果表明,所提方法达到了先进人脸检测的水平,并且该方法去掉了框推荐过程,因此检测速度更快。在WIDERFACE难、适中、简单3个子数据集上测试结果分别为87.9%, 93.2%, 93.4%MAP,检测速度为35 fps。所提算法与目前效果较好的极小人脸检测方法相比,在保证精度的同时提高了人脸检测速度。
-
关键词
多尺度人脸检测
上下文信息
特征图融合
卷积神经网络
-
Keywords
Multi-scale face detection
Contextual information
Feature map fusion
Convolution neural network
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于增强卷积神经网络的尺度不变人脸检测方法
被引量：6
- 3
-
-
作者
李保华
王海星
-
机构
郑州升达经贸管理学院信息工程学院
河南理工大学电气工程与自动化学院
-
出处
《红外与激光工程》
EI
CSCD
北大核心
2022年第7期481-488,共8页
-
文摘
针对非约束场景下小尺寸人脸检测困难的问题,提出了一种基于增强卷积神经网络的尺度不变人脸检测方法。首先,在SSD基础检测网络的两个浅层特征图上,通过协调聚合当前层特征图和前后两层特征图的特征信息,对当前层特征图的鉴别性和稳健性进行增强。然后,对两个增强特征图进行负样本筛选,通过增加分类的难度来降低由小尺寸锚框引起的人脸检测假正率上升。最后,为原始特征图和增强特征图设置了两种基于锚框尺寸的损失函数,并通过加权求和的方式对其进行融合。在FDDB和WIDER FACE数据集上的测试结果表明,文中所提方法比目前主流人脸检测方法具有更高的检测精度。
-
关键词
多尺度人脸检测
卷积神经网络
特征图增强
负样本筛选
-
Keywords
multi-scale face detection
convolutional neural network
feature map enhancement
negative sample screening
-
分类号
TN911.73
[电子电信—通信与信息系统]
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于单一神经网络的实时人脸检测
被引量：3
- 4
-
-
作者
熊寒颖
鲁统伟
闵峰
蒋冲宇
-
机构
武汉工程大学计算机科学与工程学院
-
出处
《武汉工程大学学报》
CAS
2019年第5期489-493,共5页
-
基金
武汉工程大学第十届研究生教育创新基金(CX2018193)
-
文摘
由于人脸尺度多样性使得人脸检测算法在CPU上运行速度受限,提出了一种新的基于单一神经网络的实时人脸检测算法。首先在网络初始卷积层和池化层中设置较大的卷积核尺寸和步长,缩小输入图像尺寸利于实时检测;然后网络将浅层特征图和深层特征图相融合,增强上下文联系和减少重复检测;最后在多个卷积层上预测人脸位置,利用预测框重叠策略,实现多尺度的人脸检测来提升图像中小尺寸人脸的检测精度。在人脸检测数据集基准和野外标注人脸数据集上测试实验结果表明,本文算法模型精度能够达到92.1%和95.4%。与此同时,本文算法在CPU上实现21帧/s的检测速度。
-
关键词
卷积神经网络
多尺度人脸检测
特征图融合
CPU
-
Keywords
convolution neural network
multi-scaleface detection
feature map fusion
CPU
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
