一种多尺度卷积神经网络的人脸检测模型

• 作者: 周安众 罗可
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 卷积神经网络 人脸检测 多尺度 全卷积网络 特征提取
• 年，卷（期）: 2018,（14）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 168-174,235
• 页数: 8页
• 分类号: TP391
• 字数: 7539字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1710-0116

摘要

卷积神经网络在检测不同尺度的人脸时所需要的计算量很大,检测过程由多个分离的步骤组成,过于复杂.针对这两方面的不足,提出一种多尺度卷积神经网络模型.根据卷积神经网络各个层具有大小不同的感受野,从不同层提取多个尺度的特征向量分别进行人脸分类与回归,并将网络的全连接层改成卷积层,以适应不同大小的图片输入.该方法将人脸检测的多个步骤集成到一个卷积神经网络中,降低了模型复杂度.实验结果表明,相同测试条件下,所提方法相比其他人脸检测模型在准确率和检测速度上均有显著提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗可	长沙理工大学计算机与通信工程学院	92	1085	16.0	28.0
2	周安众	长沙理工大学计算机与通信工程学院	4	18	3.0	4.0