基于Mask R-CNN的人脸检测分割的改进研究

• 作者: 邓宏杰
• 来源期刊: 现代计算机
• 关键词: 人脸检测 MaskR-CNN 深度学习 实例分割 残差网络
• 年，卷（期）: 2020,（27）
• 所属期刊栏目: 图形图像
• 页码范围: 57-62,67
• 页数: 7页
• 语种: 中文
• DOI: 10.3969/j.issn.1007-1423.2020.27.011

摘要

人脸识别,现阶段最流行的生物识别方法,以其数据采集简单,特征提取较易且非接触等特点,广泛地运用于各种场景.但人脸识别仍存在着受目标所处环境、遮盖物,以及图像分辨率低等因素导致检测精度低,难以分割的问题.因此,作为人脸识别的一个重要前提和过程,该项目以Mask R-CNN为研究对象,着重研究并构建基于Mask R-CNN改进后的人脸检测分割的网络结构.将ResNeXt101与FPN结合作为主干网络进行特征提取并生成目标候选区域,在RPN中引入Softer-NMS算法去除多余锚框,提高目标人脸检测的定位精度.然后通过引入RoIAlign算法实现输入输出像素逐一对应.最后通过全卷积网络生成人脸的二值掩码,与分类目标定位分的支相结合,最终实现人脸分割.通过该研究有助于进一步提高目前以Mask R-CNN算法为基础应用的人脸识别效率与应用水平,丰富现阶段该网络结构的内容.通过实验证明,改进后的模型对于传统的Mask R-CNN,取得不错的效果.