基于Face R-CNN的人脸检测研究
Faster R-CNN是目标检测中最具有代表性和最成功的方法之一,并且在各种物体检测应用中变得越来越普遍.本文提出了一种基于Faster R-CNN的鲁棒性深度人脸检测方法.并且开发了一些新的技术,包括设计一个新的多任务损失函数,以及线上示例挖掘,还有多方面的多层次培训策略来提高Faster R-CNN的速度.所提出的方法非常适合于人脸检测,我们称之为Face R-CNN.并且对FDDB和WIDER FACE两种最具有挑战性的人脸检测数据集进行了实验,以此证明所提出方法相比于现有技术的优越性.
深度学习、卷积神经网络、人脸检测、候选区域、多尺度信息融合
14
TP301(计算技术、计算机技术)
2018-09-28(万方平台首次上网日期,不代表论文的发表时间)
共5页
213-217