基于神网络面部检测算法实验研究.pdfVIP

基于神经网络的面部检测

‑在本实验中，使用多任务级联的卷积网络学习

⼀种新的⾯部检法，联合⾯部检测和对齐。它的想法使我们

焕然⼀新。我们需要深入学习和理解它。

图2：脸部对齐

I.简介

面部检测和对齐是图像识别中的经典问题。

Wehavealso研究了基于Adaboost的面部检测方法，并

费率。随着深度学习的发展，提出了一个级联的卷积神经

使用基于HAAR功能的级联分类器体验OpenCV内置的面

网络来解决面部检测问题。但是，这种方法需要通过额外

部检测方法。这次，学种新的面部检测方法‑

的计算费用来从面部检测中进行边界框校准。研究的研究

使用多任务的卷积网络联合面部检测和对齐方式，该网络

对准可以分为两类，基于回归的方法和模板拟合方法。

具有更具说服力的效率和能力。

这种方法的想法是使用多层CNN模型来完成面式检

测任务。在第一阶段，它通过CNN迅速生产候选窗户。

B.边界回归

然后，它通过通过更复杂的CNN大量非脸式窗口来

在图像识别中，在图像中找到候选对象后，应该有足

完善窗口。最后，它使用更强大的CNN再次完善结果，

够的建议来限制图像中的潜在对象。定义地面真理‑一个人

并输出五个面部地标位置。

类标记的边界框认为将目标对象囊形，我们可以通过

我们进行该实验的动机是：（1）使用多任务套装卷选择性搜索到地面框G来找到问题，以找到转换映射

积网络了解关节面检测和对齐。（2）使用此模型进行面区域建议P。然后问题可以作为回归问题解决。

部检测任务。（3）将其与我们过去学到的表面检测方法

进行比较。

ii。方法和理论C.mtcnn

A.面部检测MTCNN是一种级联的CNN方法，可以通过硬

面部检测和面部对齐是图像识别中的经典研究。样品挖掘策略共同解决检测和对齐。在MTCNN之前，级

面部检测可以被视为分类问题的情况，目的是在数字图像联的CNN忽略了面部检测与面部比对之间的固有相关性。

中识别人们的面孔。面部对齐的对象是找到面部，鼻子，主要角色是：（1）级联的CNNS架构设计。（2）硬

嘴巴和下巴的种族地标，这对于面部识别至关重要。样品采矿策略。（3）关节面对准学习。

MTCNN的整体管道如图3所示。使用输入图像，该