基于改进Faster-RCNN的自然场景人脸检测

摘要：

为实现对自然场景下小尺度人脸的准确检测,提出一种改进的Faster-RCNN模型.采用ResNet-50提取卷积特征,对不同卷积层的特征图进行多尺度融合,同时将区域建议网络产生的锚框由最初的9个改为15个,以更好地适应小尺度人脸检测场景.在此基础上,利用在线难例挖掘算法优化训练过程,采用软非极大值抑制方法解决漏检重叠人脸的问题,并在训练阶段通过多尺度训练提高模型的泛化能力.实验结果表明,该模型在Wider Face数据集上平均精度为89.0％,较原Faster-RCNN模型提升3.5％,在FDDB数据集上检出率也高达95.6％.

关键词：人脸检测、Faster-RCNN模型、多尺度融合、在线难例挖掘、软非极大值抑制

所属期刊栏目：47

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61862043

在线出版日期：2021-01-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：210-216