基于多尺度卷积神经网络的人脸润饰检测算法

针对目前人脸润饰检测算法特征提取复杂、识别率低的问题,提出了一种基于多尺度卷积神经网络的人脸润饰检测算法.不同于传统的卷积神经网络,本文的网络增加了图像预处理,利用基于方向梯度直方图(Histograms of Oriented Gradient, HOG)特征的人脸提取算法从原始图像中提取出人脸部分;在第一个池化层后连接局部归一化(Local Response Normalization, LRN)层,加速模型的收敛;提出了多尺度卷积层,将大小为1×1, 3×3和5×5的卷积核进行级联,提高模型分类效果.实验结果表明,本文算法的检测精度在人脸润饰数据集LFW和ND-IIITD分别达到99.5%和92.9%,相比于主流网络结构和最新人脸润饰检测算法,检测精度有显著提高.