人臉認(rèn)證是電力系統(tǒng)網(wǎng)絡(luò)安全訪問的重要方式,而人臉檢測是人臉認(rèn)證系統(tǒng)的重要環(huán)節(jié),傳統(tǒng)Adaboost模式的人臉檢測雖然速度快,但是準(zhǔn)確率低;深度學(xué)習(xí)方式的檢測準(zhǔn)確率高,但是檢測速度慢。針對電力系統(tǒng)網(wǎng)絡(luò)訪問特點(diǎn),提出了一種基于深度學(xué)習(xí)的SRPN（single region proposal net）實時人臉檢測方法。該方法利用深度學(xué)習(xí)強(qiáng)大的特征自動提取能力,同時針對電力系統(tǒng)網(wǎng)絡(luò)訪問進(jìn)行網(wǎng)絡(luò)模型設(shè)計,減少模型計算量,加快檢測速度。實際應(yīng)用結(jié)果表明,該模型在保證高準(zhǔn)確率的情況下,在CPU上達(dá)到了30FPS的實時速度,明顯優(yōu)于AdaBoost傳統(tǒng)人臉檢測的準(zhǔn)確率和檢測速度。 

【文章來源】：電子測量技術(shù). 2020,43(08)

【文章頁數(shù)】：5 頁

【部分圖文】：

物體監(jiān)測與人臉檢測

網(wǎng)絡(luò)整體框架

底層加速模塊


本文編號：3398531