基于单一神经网络的实时人脸检测

摘要：

由于人脸尺度多样性使得人脸检测算法在CPU上运行速度受限,提出了一种新的基于单一神经网络的实时人脸检测算法.首先在网络初始卷积层和池化层中设置较大的卷积核尺寸和步长,缩小输入图像尺寸利于实时检测;然后网络将浅层特征图和深层特征图相融合,增强上下文联系和减少重复检测;最后在多个卷积层上预测人脸位置,利用预测框重叠策略,实现多尺度的人脸检测来提升图像中小尺寸人脸的检测精度.在人脸检测数据集基准和野外标注人脸数据集上测试实验结果表明,本文算法模型精度能够达到92.1％和95.4％.与此同时,本文算法在CPU上实现21帧/s的检测速度.

关键词：卷积神经网络、多尺度人脸检测、特征图融合、CPU

所属期刊栏目：41

分类号：TP391.4(计算技术、计算机技术)

资助基金：武汉工程大学第十届研究生教育创新基金CX2018193

在线出版日期：2019-11-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：489-493