10.16337/j.1004-9037.2021.01.009
基于汇聚CNN和注意力增强网络的遮挡人脸检测方法
针对现实场景中遮挡人脸检测精度低的问题,提出了一种基于汇聚CNN和注意力增强网络的遮挡人脸检测方法.首先,在主网络的多层原始特征图上,通过有监督学习的方法增强原始特征图中人脸可见部分的响应值.然后,将多个增强特征图组合成附加增强网络与主网络汇聚设置,以加快对多尺度遮挡人脸的检测速度.最后,将有监督信息分散到各个尺寸的特征图上进行监督学习,为不同尺寸的特征图设置了基于锚框尺寸的损失函数.在WIDER FACE和MAFA数据集上的实验结果表明,该方法的检测精度高于当前主流人脸检测方法.
遮挡人脸检测、卷积神经网络、注意力增强网络、有监督学习、多尺度
36
TP391(计算技术、计算机技术)
国家自然科学基金61873153
2021-02-25(万方平台首次上网日期,不代表论文的发表时间)
共8页
95-102