人臉檢測是從給定的圖像或視頻中準確定位人臉的位置和尺度大小,是人工智能領域重點研究內容之一.針對當前人臉檢中人臉尺度多樣性問題,特別是小尺寸人臉檢測困難問題,提出了一種基于全卷積神經網絡的人臉檢測模型,并設計了多尺度特征學習網絡結構用于細粒度特征的學習,從而提升小尺度人臉檢測的準確率.實驗結果表明該算法有較高的檢測準確率,在FDDB測試集中的檢測準確率達到96.6%,在大大提升了人臉檢測效率的同時,提高了對小尺度人臉檢測的魯棒性,具有很好的人臉檢測性能.

【文章頁數】：5 頁

【部分圖文】：

VGG-16網絡結構主要由13個卷積層和3個全連接層組成，模型待優(yōu)化參數是數億級別，其中全連接層的參數約占整個網絡參數的89%.在VGG-16網絡中，卷積層后面接3個全連接層和Softmax層實現特征維度的降維和圖像的分類預測.但在VGG-16網絡中的全連接層將特征映射到低維特征....

圖2為本算法設計網絡對不同圖像中人臉檢測的效果.在人臉密集度不高的場所，該算法都能準確的完成人臉檢測.在圖2(b）中對有部分遮擋的人臉也實現了準確的檢測；在圖2(c）中人臉密集且小尺度人臉的情況下，該算法同樣有很好的檢測效果，具有對小尺度人臉檢測的魯棒性.3結論

本文編號：4009351