欢迎光临,现在是     设为首页   加入收藏   联系我们
文章摘要
陈益民,白勇,黎传琛.基于卷积神经网络的快速人脸检测算法[J].海南大学学报编辑部:自然科学版,2018,36(4):.
基于卷积神经网络的快速人脸检测算法
Fast Face detection Algorithm Based on Convolutional Neural Network
投稿时间:2018-06-01  修订日期:2018-07-19
DOI:
中文关键词: 人脸检测,卷积神经网络,梯度方向直方图,YOLO
英文关键词: face detection, convolutional neural network, HOG, YOLO
基金项目:国家自然科学基金(61561017)资助项目,海南省科技厅重大科技计划项目(ZDKJ2016015)
作者单位E-mail
陈益民 海南大学南海海洋资源利用国家重点实验室 253308312@qq.com 
白勇 海南大学南海海洋资源利用国家重点实验室 bai@hainu.edu.cn 
黎传琛 海南大学南海海洋资源利用国家重点实验室  
摘要点击次数: 73
全文下载次数: 50
中文摘要:
      针对如何快速、准确检出人脸的问题,提出了一种使用特征融合的卷积神经网络。首先快速提取图像的梯度方向直方图(HOG),随后使用能快速对多种物体进行检测的卷积神经网络YOLO提取图像特征。本文将YOLO提取出的特征与HOG进行融合,并将融合后的特征作为特征图。在训练过程中,引入了多任务学习和复杂样本处理,使本文提出的卷积神经网络能够进行目标定位与分类,并提高训练效果。在通用的人脸检测数据集FDDB进行的实验分析,证实了本文提出的算法可大幅提高快速检测人脸的准确率。
英文摘要:
      To detect faces quickly and accurately, we propose a convolutional neural network using feature fusion. First, we quickly get the histogram of oriented gradient(HOG), and then obtain other features from raw pictures using a convolutional neural network called YOLO, which detects multiple objects accurately and quickly. We combine HOG and features extracted by YOLO to form feature map. During the training process, multi-tasks learning and complex sample processing are introduced so that the neural network can locate and classify the object to improve the training results. Evaluation on the dataset FDDB demonstrates that the detection accuracy and speed are improved a lot with the proposed convolutional neural network.
关闭