-
题名两层级联卷积神经网络的人脸检测
被引量：15
- 1
-
-
作者
张海涛
李美霖
董帅含
-
机构
辽宁工程技术大学软件学院
-
出处
《中国图象图形学报》
CSCD
北大核心
2019年第2期203-214,共12页
-
基金
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)~~
-
文摘
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。
-
关键词
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
-
Keywords
face detection
convolutional neural network
ten-fold cross validation
two-layer cascaded convolutional neural network
max pooling
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
