科研之友
微信
新浪微博
Facebook
分享链接
摘要
多任务级联的卷积神经网络(Multi-task Convolutional Neural Network, MTCNN)人脸检测算法因兼顾了检测的速度与准确率经常被用在一些人脸识别任务上，但是面对一些复杂的人脸检测任务，该网络检测的实时性与准确性仍然达不到实际要求。为解决这一问题，提出了一种改进的多任务级联卷积神经网络人脸检测算法。该方法对MTCNN中的R-Net和O-Net模块进行了改进，将这两个网络模块的NMS算法优化成Better-NMS算法，即重新对图像候选框的分类置信度进行修改，避免了对于IOU大于预设阈值的人脸候选框的漏检。在WIDER Face和FDDB数据集上，将所提出的改进的级联卷积神经网络人脸检测算法及其他对比算法进行了训练与评测。实验结果表明：该改进算法能在人脸检测过程中更好地排除冗余的候选框，保留精准度更高的回归窗口，可以在不损耗其鲁棒性的同时提高了人脸检测的准确率。
- 单位
