一种上下文敏感的多尺度人脸检测方法

摘要：

针对非约束环境下, 受姿态、遮挡、尺度变化等因素的影响, 密集、分辨率较低的人脸难以检测问题, 提出了一种上下文敏感的多尺度人脸检测 (CSMS) 方法.该方法引入一种结合人脸上下文信息的提取模块, 通过有效地融合多感受野特征来丰富目标的判别性信息.从模型结构设计的角度出发, 利用多尺度特征提取尺度专门化的特征向量, 使人脸检测中尺度变化具有很好的稳健性.在训练阶段采用端到端的学习方式, 并引入专注于难分负例样本的训练方法来解决小尺度目标检测中的类间不平衡问题, 提高了网络对难例样本的判别能力.实验结果表明, 该方法对于非约束环境下的人脸检测具有很好的稳健性, 在Wider Face数据集上实现了先进的检测效果.

关键词：图像处理、人脸检测、深度卷积神经网络、上下文敏感、多尺度

所属期刊栏目：56

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金61632081

在线出版日期：2019-06-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：96-105