基于卷积神经网络的人脸关键点检测算法设计

• 作者: 刘亚茹 戴星宇 李恒 池笑宇 石高辉 陈晓荣
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 深度学习 人脸检测 卷积神经网络 LFW数据集 特征提取
• 年，卷（期）: 2019,（24）
• 所属期刊栏目: 信息技术及图像处理
• 页码范围: 125-130
• 页数: 6页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1903235

摘要

人脸关键点检测是模式识别和计算机视觉等领域十分活跃的研究方向.为了解决人脸关键点检测问题并提高检测的准确度,提出了一种基于卷积神经网络的人脸关键点检测算法,设计了一个新的网络模型,针对神经网络可能出现的梯度弥散和梯度爆炸的问题进行了优化.新型网络主要分为两个部分,第一部分是对人脸的关键点的总体预测,确定出大概位置;第二部分是对各个关键点的细微调整,保证结果的准确.为了提高网络的鲁棒性,采用两个数据集进行训练,在较短的训练时间内得到一个比较可靠的网络模型.实验结果表明所提出的方法十分适合用做人脸关键点检测,准确率达96％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈晓荣		28	174	6.0	12.0
2	刘亚茹		3	4	1.0	2.0
3	石高辉		2	0	0.0	0.0
4	戴星宇		1	0	0.0	0.0
5	池笑宇		1	0	0.0	0.0
6	李恒		1	0	0.0	0.0