天津大学电气自动化与信息工程学院, 天津 300072
针对教室场景下后排学生人脸微小难以检测的情况,提出一种基于卷积神经网络的教室人脸检测算法。采用两阶段检测形式,运用残差神经网络的结构对教室人脸进行特征提取,同时构建特征金字塔,并将Softmax损失函数与中心特征损失函数结合,运用合适的激活函数进行训练。此算法在教室场景下获得95.2%的准确率,且在通用数据集Wider Face的三个等级验证集上分别获得93.0%,87.3%,58.3%的平均精度均值。
机器视觉 人脸检测 教室考勤 卷积神经网络 深度学习 激光与光电子学进展
2019, 56(21): 211501
