本論文首先針對多樣的平面內(nèi)旋轉(Rotation in Plane,RIP)角度下的人臉檢測這一難點,提出了一種基于改進型級聯(lián)卷積神經(jīng)網(wǎng)絡的人臉檢測算法,實驗證明,該算法可以較精確的檢測任意平面旋轉角度下的人臉;然后結合Facenet網(wǎng)絡和XGBoost分類器,對RIP角度下所檢測到的人臉圖片進行識別,實驗表明,本文所提出方法對于RIP角度下的人臉識別具有較高的準確率。論文的主要工作內(nèi)容包括:1、本文改進了MTCNN級聯(lián)卷積神經(jīng)網(wǎng)絡,MTCNN網(wǎng)絡共三級分別為12net,24net,48net。改進前的級聯(lián)卷積神經(jīng)網(wǎng)絡只能檢測普通場景下旋轉角度很小的人臉,通過在該級聯(lián)神經(jīng)網(wǎng)絡的第一級(12net)和第三級(48net)之間嵌入一個分類網(wǎng)絡(Cnet)進行RIP角度判斷,和改進前的第二級網(wǎng)絡(24net)組成一個并聯(lián)結構。Cnet是一個較小的卷積神經(jīng)網(wǎng)絡,由3個卷積層兩個全連接層組成,在每個卷積層后都加入了BN層和池化層,Cnet通過交叉熵損失函數(shù)輸出四個類別,平面旋轉人臉圖片按照垂直方向上每90°劃分為一類。測試時,12net輸出的人臉候選框通過Cnet分類,再經(jīng)過仿射變換后輸入到48...

【文章頁數(shù)】：60 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
        1.1.1 人臉檢測和識別研究進展
        1.1.2 平面旋轉人臉檢測研究現(xiàn)狀及分析
    1.2 論文算法框圖
    1.3 論文組織
第二章 卷積神經(jīng)網(wǎng)絡的實踐
    2.1 卷積神經(jīng)網(wǎng)絡
        2.1.1 前向傳播
        2.1.2 優(yōu)化方法
    2.2 視覺任務
        2.2.1 分類
        2.2.2 回歸
    2.3 非極大值抑制
    2.4 交并比
    2.5 本章小結
第三章 平面旋轉人臉檢測及關鍵點定位
    3.1 級聯(lián)卷積神經(jīng)網(wǎng)絡
        3.1.1 12net
        3.1.2 24net
        3.1.3 48net
        3.1.4 網(wǎng)絡框架
    3.2 改進級聯(lián)卷積神經(jīng)網(wǎng)絡
        3.2.1 分類網(wǎng)絡
        3.2.2 整體結構
    3.3 多任務學習
        3.3.1 人臉分類
        3.3.2 人臉邊界框回歸
        3.3.3 人臉關鍵點定位
        3.3.4 多任務損失
    3.4 本章小結
第四章 人臉識別算法
    4.1 人臉特征提取
    4.2 人臉分類器
        4.2.1 XGBoost
    4.3 本章小結
第五章 實驗與分析
    5.1 訓練過程
    5.2 FDDB人臉數(shù)據(jù)集評估
    5.3 評估平面旋轉人臉
    5.4 人臉檢測運行效率
    5.5 人臉識別效果
        5.5.1 RIP人臉識別
    5.6 本章小結
總結與展望
參考文獻
攻讀碩士學位期間所取得學術成果
致謝



本文編號：3749574