两层级联卷积神经网络的人脸检测
目的 传统人脸检测方法 因人脸多姿态变化和人脸面部特征不完整等问题,导致检测效果不佳.为解决上述问题,提出一种两层级联卷积神经网络(TC_CNN)人脸检测方法 .方法 首先,构建两层卷积神经网络模型,利用前端卷积神经网络模型对人脸图像进行特征粗略提取,再利用最大值池化方法对粗提取得到的人脸特征进行降维操作,输出多个疑似人脸窗口;其次,将前端粗提取得到的人脸窗口作为后端卷积神经网络模型的输入进行特征精细提取,并通过池化操作得到新的特征图;最后,通过全连接层判别输出最佳检测窗口,完成人脸检测全过程.结果 实验选取FDDB人脸检测数据集中包含人脸多姿态变化以及人脸面部特征信息不完整等情况的图像进行测试,TC_CNN方法人脸检测率达到96.39％,误检率低至3.78％,相比当前流行方法在保证算法效率的同时检测率均有提高.结论 两层级联卷积神经网络人脸检测方法 能够在人脸多姿态变化和面部特征信息不完整等情况下实现精准检测,保证较高的检测率,有效降低误检率,方法具有较好的鲁棒性和泛化能力.
人脸检测、卷积神经网络、十折交叉验证、两层级联卷积神经网络、最大值池化
24
TP391(计算技术、计算机技术)
中国人民解放军总装备部装备预研基金项目61421070101162107002;辽宁省自然科学基金面上项目20170540426
2019-04-29（万方平台首次上网日期，不代表论文的发表时间）
共12页
203-214
