本文關(guān)鍵詞： 全卷積神經(jīng)網(wǎng)絡(luò) 人臉檢測 多任務(wù)學(xué)習(xí) 深度學(xué)習(xí)　出處：《浙江大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：隨著深度學(xué)習(xí)在計(jì)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)注人臉的位置和大小。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(gè)滑動(dòng)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。我們希望找到一個(gè)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(duì)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(shí)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(duì)比下,本文提出的模型,精度更高、速度更快,在幾個(gè)人臉檢測數(shù)據(jù)集上,都達(dá)到了世界先進(jìn)人臉檢測算法的水平。
[Abstract]:With the application of depth learning in the field of computer vision, face detection technology has been developed rapidly. The purpose of face detection is to find all human faces in the input images. And the location and size of the face. But in the practical application of the scene, a variety of expressions, gestures, lighting, scene. The traditional face detection algorithm is not very effective under the challenge of scale and so on. Researchers get inspiration from the traditional Adaboost detection algorithm. A large number of algorithms based on deep convolution neural networks are proposed, including training of face classifier networks in multiple sliding windows. We hope to find a face detection algorithm based on the existing high precision full convolution neural network skeleton. This paper first uses the latest general object detection algorithm to train the full convolution network face detection model, and then makes an improvement for face detection. A multi-scale position sensitive face detection based on full convolution neural network Facebook RFCNA is proposed, which is combined with the low-level high-level feature map of the network, and a multi-scale candidate frame is used. The random blur of the input image is added, the problem of fuzzy face and small face is dealt with, and the recall of the algorithm is improved. Compared with the existing face detection algorithms, the model proposed in this paper has higher accuracy and faster speed. On several human face detection data sets, it reaches the level of advanced face detection algorithms in the world.
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 曾素娣;范九榮;李一民;;基于膚色和幾何特征的人臉檢測算法[J];電腦知識(shí)與技術(shù);2006年36期

2 趙東方;楊明;鄧世濤;;幾種人臉檢測算法的對(duì)比研究[J];內(nèi)江科技;2011年10期

3 王仕民;葉繼華;羅文兵;占明艷;;嵌入式人臉檢測算法的研究與實(shí)現(xiàn)[J];江西通信科技;2011年02期

4 金鑫;李晉惠;;基于神經(jīng)網(wǎng)絡(luò)的人臉檢測算法研究[J];科技信息;2008年35期

5 翟懿奎;黃聿;謝劍華;吳志龍;郭承剛;;基于膚色的實(shí)時(shí)人臉檢測算法研究[J];電子設(shè)計(jì)工程;2011年09期

6 王小蘭;蔡燦輝;朱建清;;一種改進(jìn)的快速人臉檢測算法[J];微型機(jī)與應(yīng)用;2013年15期

7 張煒;耿新;陳兆乾;陳世福;;一種基于可疑人臉區(qū)域發(fā)現(xiàn)的人臉檢測方法[J];計(jì)算機(jī)科學(xué);2004年04期

8 羅三定;周磊;沙莎;;一種新的快速多人臉檢測算法[J];計(jì)算機(jī)應(yīng)用研究;2008年04期

9 喬曉芳;吳小俊;王士同;楊靜宇;;一種改進(jìn)的人臉檢測算法[J];計(jì)算機(jī)應(yīng)用;2008年04期

10 徐顯日;;視頻中實(shí)時(shí)的人臉檢測算法[J];福建電腦;2012年08期

相關(guān)會(huì)議論文 前2條

1 付朝霞;韓焱;王黎明;;復(fù)雜背景下視頻運(yùn)動(dòng)目標(biāo)的人臉檢測算法[A];第十三屆中國體視學(xué)與圖像分析學(xué)術(shù)會(huì)議論文集[C];2013年

2 陳健;錢蕓蕓;;用DSP實(shí)現(xiàn)實(shí)時(shí)人臉檢測[A];第二屆全國信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

相關(guān)博士學(xué)位論文 前2條

1 周薇娜;人臉檢測算法及其芯片實(shí)現(xiàn)關(guān)鍵技術(shù)研究[D];復(fù)旦大學(xué);2012年

2 郭聳;人臉檢測若干關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 趙玉亭;基于ARM9的便攜式監(jiān)控取證系統(tǒng)的研究與設(shè)計(jì)[D];西安工業(yè)大學(xué);2015年

2 袁成林;基于支持向量機(jī)的笑臉識(shí)別算法研究[D];廣西大學(xué);2015年

3 楊萬振;視頻人臉檢測算法研究及其DSP實(shí)現(xiàn)[D];東北大學(xué);2013年

4 劉吉;基于自學(xué)習(xí)特征融合的人臉檢測算法研究[D];中國海洋大學(xué);2015年

5 馬慧;人臉檢測算法的設(shè)計(jì)與實(shí)現(xiàn)[D];東南大學(xué);2015年

6 鄒奇文;非對(duì)稱人臉檢測算法的研究與實(shí)現(xiàn)[D];華中科技大學(xué);2014年

7 江銳;基于Cortex-A8的人臉檢測系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];華中科技大學(xué);2014年

8 張雪楠;基于PCA降維的快速人臉檢測算法研究[D];燕山大學(xué);2016年

9 羅富麗;單目可量測快速人臉檢測算法[D];昆明理工大學(xué);2016年

10 毛須偉;基于單目視覺的疲勞駕駛檢測方法研究[D];長春理工大學(xué);2016年

，

本文編號(hào)：1483488