FSDN:基于嵌套U-Net结构的人脸阴影检测模型

摘要：

人脸阴影检测通常作为人脸图像相关任务的预处理步骤,避免阴影带来干扰.提出基于深度学习的人脸阴影检测方案,在解决方案中,首先根据光照和人脸结构信息,对耶鲁人脸数据库中1600张光照不均匀人脸图像的阴影区域进行标注,构建人脸阴影检测数据集;之后设计基于嵌套U-Net结构和注意力模块的人脸阴影检测网络,嵌套U-Net结构被用于提取图像的高分辨率信息和全局特征,注意力模块被用于融合各个嵌套U-Net的输出,同时抑制低阶子层带来的噪声信息;最后在标注的人脸检测数据集上对网络进行了评估,实验结果表明,所提方法的平均检测错误率比对照组中最优方案降低了14.2％,可以有效地检测图像中的小面积阴影,并提供更精确的阴影边缘定位.

关键词：人脸图像、阴影检测、卷积神经网络、注意力机制

所属期刊栏目：55

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;湖南省研究生科研创新基金项目;中南林业科技大学先进人才项目

在线出版日期：2023-02-16（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：51-56