基于改进Faster RCNN的多尺度人脸检测网络研究

作者：宋梦媛

来源：自动化仪表, 2022, 43(11): 39-48.

DOI：10.16086/j.cnki.issn1000-0380.2022020053

• 智慧校园
• 人脸检测
• 数据增强
• 难负例挖掘
• 深度卷积神经网络

针对人脸检测场景趋于多样化和复杂化的特点，考虑到大量遮挡、低分辨率和失真引起的人脸检测困难问题，提出了一种基于改进快速区域卷积神经网络(FasterRCNN)的多尺度人脸检测网络。首先，基于数据增强产生大量样本，从而提高数据多样性。其次，基于视觉几何组(VGG-16)网络微调预训练模型，生成大量难负例挖掘(HNM)样本并执行多尺度再训练，从而提高模型鲁棒性。最后，将生成的检测边界框转换为椭圆，从而更紧密包围人脸区域。在试验环节，基于预先训练的VGG-16模型在HNM样本上进行训练与测试，确定最佳数据增强组合。所提网络识别准确率为93.38%,召回率为89.52%,F分数为91.65%。所提多尺度人脸检测网络可以有效应用于大量遮挡、低分辨率和失真图像，为小样本人脸检测发展提供了一定参考。

• 单位
  上海工艺美术职业学院