基于全卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測算法研究.pdf

1、隨著深度學(xué)習(xí)在計算機(jī)視覺領(lǐng)域的應(yīng)用，人臉檢測技術(shù)得到了高速發(fā)展。人臉檢測的目的是在輸入的圖片中，找到所有存在的人臉，并標(biāo)注入臉的位置和大小。但是在實(shí)際應(yīng)用應(yīng)用場景中，多樣的表情、姿態(tài)、光照、場景、尺度等各種挑戰(zhàn)下。傳統(tǒng)人臉檢測算法的效果并不十分理想。研究人員們從傳統(tǒng)使用Adaboost檢測算法中得到啟發(fā)，提出了大量基于深度卷積神經(jīng)網(wǎng)絡(luò)的算法。其中包括訓(xùn)練多個滑動窗口內(nèi)的人臉分類器網(wǎng)絡(luò)，以及端到端的訓(xùn)練人臉檢測器算法等各種算法。希望找到一

2、個基于現(xiàn)有的高精度全卷積神經(jīng)網(wǎng)絡(luò)骨架的人臉檢測算法，進(jìn)一步提高檢測的正確率。本文先使用了最新的通用物體檢測算法訓(xùn)練了全卷積網(wǎng)絡(luò)的人臉檢測模型，后在此基礎(chǔ)上做了針對人臉檢測的改進(jìn)，提出了多尺度位置敏感人臉檢測全卷積神經(jīng)網(wǎng)絡(luò)(FaceRFCN)，分類時結(jié)合網(wǎng)絡(luò)的低層高層特征圖，并采用多尺度候選框，增加了輸入圖片的隨機(jī)模糊，處理了模糊人臉和小人臉的問題，提高了算法的召回。在現(xiàn)有的人臉檢測算法對比下，本文提出的模型，精度更高、速度更快，在幾個人