基于多任务卷积神经网络人脸检测网络的优化加速方法

作者：姜尧岗^*; 孙晓刚; 林云

来源：计算机应用, 2019, S2: 59-62.

• 优化加速
• 矩阵计算
• 卷积聚合操作
• 特征融合操作
• 卷积核分解

针对人脸检测网络在安卓设备上速度较慢、检测效果不佳的问题,提出了基于多任务卷积神经网络(MTCNN)的优化加速的方法。一方面,更改Caffe框架的ATLAS数学库为OpenBLAS,利用多核来进行矩阵计算;另一方面,在网络结构上进行优化,通过对特征图进行多尺度的卷积再聚合操作、对不同层的特征图进行特征融合操作来提高网络的学习能力,同时对网络中的卷积核进行分解来减少卷积操作的计算量。在LFW和FDDB数据集上进行测试,实验结果表明:与MTCNN人脸检测算法相比,改进后算法的准确率提高了0.9%,耗时降低了64%,在3288安卓板卡上速度达到了9帧/秒。改进后的算法对遮挡、模糊人脸有更好的鲁棒性,并且在速度上有了很大的提升,在复杂场景下具有出色的检测效果。

• 单位
  中国科学院大学; 中国科学院成都计算机应用研究所