基于孪生卷积神经网络的人脸追踪

• 作者: 吴汉钊
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 深度学习 卷积神经网络 人脸追踪 边框回归
• 年，卷（期）: 2018,（14）
• 所属期刊栏目: 图形图像处理
• 页码范围: 175-179
• 页数: 5页
• 分类号: TP391
• 字数: 3956字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1801-0369

摘要

由于光照、遮挡、尺度变化等原因,在真实多变场景下完成人脸追踪面临挑战.探究了基于卷积神经网络(CNN)的人脸追踪,将基本的卷积神经网络改进为孪生神经网络,在OTB数据集上采用端到端的方式,以成对图像区域作为输入,输出两者距离,通过距离评估图像区域相似性;加入边框回归算法(bounding box regression)微调追踪结果.实验结果表明,改进后的神经网络优于传统的卷积神经网络,能达到更好的人脸追踪效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴汉钊	清华大学软件学院	1	10	1.0	1.0