在尺度、遮挡等因素的影响下,人脸检测算法速度和精度不匹配进而表现出检测性能差等系列缺点,采用融入模板匹配思想的神经网络检测器算法解决这一不足,提出了二分支神经网络匹配的人脸检测算法。以此得到检测速度与精度相匹配的改进方...在尺度、遮挡等因素的影响下,人脸检测算法速度和精度不匹配进而表现出检测性能差等系列缺点,采用融入模板匹配思想的神经网络检测器算法解决这一不足,提出了二分支神经网络匹配的人脸检测算法。以此得到检测速度与精度相匹配的改进方法。首先根据五官位置关系构建人脸模板框架并设置一定的阈值;其次依据构建的模板和锚策略对不同尺度人脸的鲁棒性,在DSFD人脸检测器的特征增强模块层中实现对样本数据中人脸区域的提取及标记;最后依据提取、标记的人脸区域与构建的模板进行相关性匹配。改进算法在Face Detection Data Set and Benchmark、FDDB、WIDER FACE人脸数据集的实验结果表明,在提升检测速度的同时保证算法的精度,相比几类相近算法,该算法的优势更加明显。展开更多
如何准确地检测和定位图像中的人脸是人脸检测领域的关键问题.为了进一步提高人脸检测器的性能,常见的方法是增加训练数据集或采用更鲁棒的人脸特征表示,而训练人脸检测器的一个基础工作是:为训练图像中的人脸标注边界框.但标注的人脸...如何准确地检测和定位图像中的人脸是人脸检测领域的关键问题.为了进一步提高人脸检测器的性能,常见的方法是增加训练数据集或采用更鲁棒的人脸特征表示,而训练人脸检测器的一个基础工作是:为训练图像中的人脸标注边界框.但标注的人脸边界框是否应该包含耳朵信息,以及对训练出的侧脸检测器性能的影响尚未被研究.本文的实验结果表明:在侧脸数据集上训练人脸检测器时,如果人脸边界框包含耳朵信息,基于DPM(Deformable Parts Model)方法训练得到的侧脸检测器使侧脸检测的准确率降低1.9%,召回率提高6.3%.而基于Viola&Jones和Fast R-CNN方法训练得到的侧脸检测器使准确率分别提高6.8%和4.4%,召回率分别提高14.9%和12.9%.这说明包含耳朵信息训练出的侧脸检测模型,有助于提高侧脸检测率.展开更多
文摘在尺度、遮挡等因素的影响下,人脸检测算法速度和精度不匹配进而表现出检测性能差等系列缺点,采用融入模板匹配思想的神经网络检测器算法解决这一不足,提出了二分支神经网络匹配的人脸检测算法。以此得到检测速度与精度相匹配的改进方法。首先根据五官位置关系构建人脸模板框架并设置一定的阈值;其次依据构建的模板和锚策略对不同尺度人脸的鲁棒性,在DSFD人脸检测器的特征增强模块层中实现对样本数据中人脸区域的提取及标记;最后依据提取、标记的人脸区域与构建的模板进行相关性匹配。改进算法在Face Detection Data Set and Benchmark、FDDB、WIDER FACE人脸数据集的实验结果表明,在提升检测速度的同时保证算法的精度,相比几类相近算法,该算法的优势更加明显。
文摘如何准确地检测和定位图像中的人脸是人脸检测领域的关键问题.为了进一步提高人脸检测器的性能,常见的方法是增加训练数据集或采用更鲁棒的人脸特征表示,而训练人脸检测器的一个基础工作是:为训练图像中的人脸标注边界框.但标注的人脸边界框是否应该包含耳朵信息,以及对训练出的侧脸检测器性能的影响尚未被研究.本文的实验结果表明:在侧脸数据集上训练人脸检测器时,如果人脸边界框包含耳朵信息,基于DPM(Deformable Parts Model)方法训练得到的侧脸检测器使侧脸检测的准确率降低1.9%,召回率提高6.3%.而基于Viola&Jones和Fast R-CNN方法训练得到的侧脸检测器使准确率分别提高6.8%和4.4%,召回率分别提高14.9%和12.9%.这说明包含耳朵信息训练出的侧脸检测模型,有助于提高侧脸检测率.