卷积神经网络级联.pptxVIP

卷积神经网络级联的人脸测试来源CVPR 2015 paperA Convolutional Neural Network Cascade for Face DetectionHaoxiang Li, Zhe Lin, Xiaohui Shen, Jonathan Brandt, Gang Hua组员：刘波、金壮、陈楠、松寨一、介绍CNN二、如何实现基于CNN来检测人脸三、最终结果展示一、介绍CNN1.1CNN的原理 1-1 1.2CNN的模型（1）卷积 能够将一个很多权值参数的图像经过卷积核之后变为一个权值参数很少的图像。如图1-1所示，在5×5的图像和3×3的卷积核作卷积操作后，重新输出一个3×3的矩阵，称为特征图。这个扫描是可以有重叠部分的，就如同你的目光扫视也是连续一样。（2）池化 池化的作用就是减小特征图，也就是压缩，池化规模一般为2×2。常用的池化方法有：最大值池化和均值池化。其中最大值池化就是就是取2×2中四个点的最大值；均值池化就是取2×2中四个点的平均值。图1-2就是池化规模10×10对特征图处理，取其中最大一个特征值代表那一区域的特征值即图中1。 图1-2 （3）光栅化 图像经过卷积、池化之后得到的是一些列的特征图，而感知器输入的是一个向量，因此需要将这些特征图中的像素依次取出，排成一列向量。1.3 CNN的优点 传统的检测人脸都是基于各种模型的检测方法，