一种改进的RefineDet多尺度人脸检测方法

摘要：

针对车站、商场等大型场所中客流量大、背景复杂等原因导致多尺度人脸检测精度低的问题,建立了一种基于RefineDet多层特征图融合的多尺度人脸检测方法.首先利用第一级网络进行特征提取并在不同尺度的特征图上粗略预估人脸位置;然后在第二级中通过特征金字塔网络将低层特征与高层特征融合,进一步增强小尺寸人脸的语义信息;最后,通过置信度和焦点损失函数对检测框进行二次抑制,达到边框的精确回归.实验中将人脸候选区域的宽高比只设置为1∶1,以此来降低运算量并提高人脸检测精度.在Wider Face数据集上的实验结果表明,该方法能有效检测不同尺度的人脸,在Easy、Medium、Hard 3个子数据集上测试结果分别为93.4％、92％、84.4％的MAP,尤其对小尺寸人脸的检测精度有明显提高.

关键词：多尺度、人脸检测、特征图融合、RefineDet、特征金字塔网络、焦点损失函数

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

在线出版日期：2019-08-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：34-39