论文摘要
针对人脸检测算法速度慢、精度低的问题,设计一种基于快速卷积神经网络的级联检测算法。首先对图像进行滤波预处理,减少噪声产生的无效候选框个数,使用图像金字塔方法采样出尺度大小不一的图像,达到多尺度检测的目的;其次设计3个顺序级联的高效轻量级卷积神经网络PNet、RNet、ONet,分别用于初选、精修和输出人脸区域,设计内容包括输入预处理、引入深度可分离卷积结构、网络结构调整等;最后在训练阶段使用批量归一化方法提升训练效果。人脸检测数据集的实验结果表明,在精度方面,FDDB验证集精度达到91.2%;在速度方面,对于1 024*768大小的图像检测24*24的最小人脸尺寸,x86 CPU上运行可以达到47.2FPS,ARM上运行可以达到26.1FPS,设计的人脸检测算法能够满足实际场景的实时性,且保持较高的精度。
论文目录
文章来源
类型: 期刊论文
作者: 尹茜
关键词: 人脸检测,深度学习,卷积神经网络,图像金字塔,级联算法
来源: 常州信息职业技术学院学报 2019年06期
年度: 2019
分类: 社会科学Ⅱ辑,信息科技
专业: 计算机软件及计算机应用,自动化技术
单位: 常州信息职业技术学院
分类号: TP391.41;TP183
页码: 23-27+32
总页数: 6
文件大小: 115K
下载量: 150