基于Faster R-CNN的人脸检测方法

摘要：

近年来,基于候选区域的快速卷积神经网络(Faster R-CNN)算法,在多个目标检测数据集上有出色的表现,吸引了广泛的研究兴趣.Faster R-CNN框架本来是用做通用目标检测的,本文将它应用到人脸检测上,分别使用ZF和VGG 16卷积神经网络,在WIDER人脸数据集上训练Faster R-CNN模型,并在FDDB人脸数据库上测试.实验结果表明,该方法对复杂光照、部分遮挡、人脸姿态变化具有鲁棒性,在非限制性条件下具有出色的人脸检测效果.这两种网络结构,在检测效率和准确性上各有优势,可以根据实际应用需求,选择使用合适的网络模型.

关键词：人脸检测、候选区域、卷积神经网络、非限制性条件

所属期刊栏目：26

在线出版日期：2018-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：262-267