典型文献
基于改进Faster RCNN的多尺度人脸检测网络研究
文献摘要：
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(Faster RCNN)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.
文献关键词：
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
中图分类号：
作者姓名：
宋梦媛
作者机构：
上海工艺美术职业学院信息管理处,上海 201800
文献出处：
引用格式：
[1]宋梦媛-.基于改进Faster RCNN的多尺度人脸检测网络研究)[J].自动化仪表,2022(11):39-43,48
A类：
难负例挖掘,负例挖掘
B类：
Faster,RCNN,人脸检测,测网,遮挡,低分辨率,失真,困难问题,快速区域卷积神经网络,数据增强,数据多样性,视觉几何,VGG,微调,预训练模型,HNM,模型鲁棒性,边界框,更紧,包围,识别准确率,召回率,有效应用,小样本,智慧校园,深度卷积神经网络
AB值：
0.289376
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
