基于卷积神经网络的教室人脸检测算法

王萌; 苏寒松; 刘高华; 李燊

doi:doi:10.3788/LOP56.211501

激光与光电子学进展, 2019, 56 (21): 211501, 网络出版: 2019-11-02

基于卷积神经网络的教室人脸检测算法下载： 545次

Classroom Face Detection Algorithm Based on Convolutional Neural Network

王萌苏寒松刘高华 ^*李燊

作者单位

天津大学电气自动化与信息工程学院, 天津 300072

图 & 表

图 1. 残差模块结构

Fig. 1. Structure of residual module

下载图片查看原文

图 2. 教室人脸检测算法的整体网络结构

Fig. 2. Overall network structure of classroom face detection algorithm

下载图片查看原文

图 3. 利用中心特征损失函数使类内距离缩小

Fig. 3. Reducing inner distance based on center feature loss function

下载图片查看原文

图 4. 教室场景检测实例。(a)不同背景;(b)不同视角;(c)不同光照

Fig. 4. Examples of classroom face detection. (a) Different backgrounds; (b) different perspectives; (c) different lighting

下载图片查看原文

图 5. 在Wider Face验证集上的结果。(a)简单;(b)中等;(c)困难

Fig. 5. Results on verification set of Wider Face. (a) Easy; (b) medium; (c) hard

下载图片查看原文

表 1特征提取网络的参数

Table1. Parameters of feature extraction network

Block	Conv1	Conv2_x	Conv3_x	Conv4_x	Conv5_x
Parameter	7×7,64,stride 2	3×3 max pool, stride 2 $\begin{matrix} [\begin{matrix} 1 \times 1,64 \\ 3 \times 3,64 \\ 1 \times 1,256 \end{matrix}] \end{matrix}$ ×3	$\begin{matrix} [\begin{matrix} 1 \times 1,128 \\ 3 \times 3,128 \\ 1 \times 1,512 \end{matrix}] \end{matrix}$ ×4	$\begin{matrix} [\begin{matrix} 1 \times 1,256 \\ 3 \times 3,256 \\ 1 \times 1,1024 \end{matrix}] \end{matrix}$ ×6	$\begin{matrix} [\begin{matrix} 1 \times 1,512 \\ 3 \times 3,512 \\ 1 \times 1,2048 \end{matrix}] \end{matrix}$ ×3

查看原文

王萌, 苏寒松, 刘高华, 李燊. 基于卷积神经网络的教室人脸检测算法[J]. 激光与光电子学进展, 2019, 56(21): 211501. Meng Wang, Hansong Su, Gaohua Liu, Shen Li. Classroom Face Detection Algorithm Based on Convolutional Neural Network[J]. Laser & Optoelectronics Progress, 2019, 56(21): 211501.

基于卷积神经网络的教室人脸检测算法下载： 545次

图 1. 残差模块结构

Fig. 1. Structure of residual module

图 2. 教室人脸检测算法的整体网络结构

Fig. 2. Overall network structure of classroom face detection algorithm

图 3. 利用中心特征损失函数使类内距离缩小

Fig. 3. Reducing inner distance based on center feature loss function

图 4. 教室场景检测实例。(a)不同背景;(b)不同视角;(c)不同光照

Fig. 4. Examples of classroom face detection. (a) Different backgrounds; (b) different perspectives; (c) different lighting

图 5. 在Wider Face验证集上的结果。(a)简单;(b)中等;(c)困难

Fig. 5. Results on verification set of Wider Face. (a) Easy; (b) medium; (c) hard

表 1特征提取网络的参数

Table1. Parameters of feature extraction network

关于本站 Cookie 的使用提示

全站搜索

基于卷积神经网络的教室人脸检测算法 下载： 545次

图 1. 残差模块结构

Fig. 1. Structure of residual module

图 2. 教室人脸检测算法的整体网络结构

Fig. 2. Overall network structure of classroom face detection algorithm

图 3. 利用中心特征损失函数使类内距离缩小

Fig. 3. Reducing inner distance based on center feature loss function

图 4. 教室场景检测实例。(a)不同背景;(b)不同视角;(c)不同光照

Fig. 4. Examples of classroom face detection. (a) Different backgrounds; (b) different perspectives; (c) different lighting

图 5. 在Wider Face验证集上的结果。(a)简单;(b)中等;(c)困难

Fig. 5. Results on verification set of Wider Face. (a) Easy; (b) medium; (c) hard

表 1特征提取网络的参数

Table1. Parameters of feature extraction network

相关论文

相关资讯

关于本站 Cookie 的使用提示

全站搜索

基于卷积神经网络的教室人脸检测算法下载： 545次