基于汇聚CNN和注意力增强网络的遮挡人脸检测方法

• 作者: 项丽萍 杨红菊
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 遮挡人脸检测 卷积神经网络 注意力增强网络 有监督学习 多尺度
• 年，卷（期）: 2021,（1）
• 页码范围: 95-102
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2021.01.009

摘要

针对现实场景中遮挡人脸检测精度低的问题,提出了一种基于汇聚CNN和注意力增强网络的遮挡人脸检测方法.首先,在主网络的多层原始特征图上,通过有监督学习的方法增强原始特征图中人脸可见部分的响应值.然后,将多个增强特征图组合成附加增强网络与主网络汇聚设置,以加快对多尺度遮挡人脸的检测速度.最后,将有监督信息分散到各个尺寸的特征图上进行监督学习,为不同尺寸的特征图设置了基于锚框尺寸的损失函数.在WIDER FACE和MAFA数据集上的实验结果表明,该方法的检测精度高于当前主流人脸检测方法.