基于YOLO网络的人脸检测方法

• 作者: 周杨 赵海鹏 陈安东
• 来源期刊: 测绘科学与工程
• 学科: 地球科学
• 关键词: 深度学习 Y0L0 卷积神经网络 人脸检测 特征提取
• 年，卷（期）: 2018,（6）
• 页码范围: 57-63
• 页数: 7页
• 分类号: P237.3

摘要

为了提高传统人脸检测方法的准确率,本文使用一种基于Y0L0的人脸检测方法。首先,利用数据增强的方式,从有限的样本中获得大量有效的训练、测试数据;其次,归一化输入图像的尺度,以回归的方式利用单一的网络对整张图片做一次评估,得到目标边界框和类别;最后,根据卷积层中不同大小感受野的特点,通过调整网络的卷积层数量、卷积核大小和池化尺度,最终得到理想的检测模型。将数据增强后获得的正负样本送入构架好的网络模型中进行实验,在评价环节中引入精准率、召回率、F1分数和R0C曲线等指标进行定量分析,在相同的实验环境下与其它几种模型的检测结果进行对比。结果表明,改进的网络在保证检测速率的同时极大地提高了准确率,在各项指标上均有优秀的表现。本文的深度学习人脸检测网络,在保证CNN强大的特征提取能力的同时,继承了Y0L0算法快速高效的特点,面对不同姿态、不同角度、不同光照强度的人脸数据均能取得较好的检测效果,具有较强的实时性、稳定性和鲁棒性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周杨	信息工程大学地理空间信息学院	43	315	10.0	16.0
2	赵海鹏	信息工程大学地理空间信息学院	4	8	2.0	2.0
3	陈安东	信息工程大学地理空间信息学院	3	1	1.0	1.0