典型文献
一种基于感受野增强的人脸检测方法
文献摘要：
为了解决多任务级联卷积神经网络(MTCNN)算法网络模型在小人脸检测方面鲁棒性较低的问题,提出了一种基于感受野增强的网络模型.首先,为MTCNN算法模型中的R-Net网络和O-Net网络添加感受野模块(receptive field blocks,RFB-S).其次,通过添加批量标准化和全局平均池化,加速网络模型的收敛,防止模型过拟合.最后,调整网络任务的权重,P-Net和R-Net网络用于人脸区域粗筛选,O-Net网络用于人脸区域精筛选以及人脸关键点回归.实验结果表明,与MTCNN算法网络模型相比,所提模型缩小了16％,但检测速度提升了9％,在FDDB数据集上的检测精度提高了2.3％.因此,基于感受野增强的网络模型能有效完成人脸的检测任务,增强对小人脸检测的鲁棒性,可为人脸识别、表情识别等提供技术支持.
文献关键词：
图像处理;人脸检测;多任务卷积神经网络;RFB-S;全局平均池化
中图分类号：
作者姓名：
董春峰;杨春金;周万珍
作者机构：
河北科技大学信息科学与工程学院,河北石家庄 050018;河北太行机械工业有限公司,河北石家庄 052160
文献出处：
引用格式：
[1]董春峰;杨春金;周万珍-.一种基于感受野增强的人脸检测方法)[J].河北工业科技,2022(06):474-479
A类：
B类：
感受野增强,人脸检测,多任务级联卷积神经网络,MTCNN,法网,小人,算法模型,Net,感受野模块,receptive,field,blocks,RFB,批量标准化,全局平均池化,过拟合,人脸关键点,检测速度,FDDB,检测精度,人脸识别,表情识别,多任务卷积神经网络
AB值：
0.324287
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
