基于深度卷积神经网络的多视图人脸检测

基于深度卷积神经网络的多视图人脸检测(中文9000字,英文PDF)
摘要
本文研究了多视点人脸检测问题。虽然对这一问题进行了大量研究，但是当前针对此任务的现有技术方法需要对面部标志进行注释，例如TSM[25]，或面部姿态的注释[28，22].他们还需要培训几十个模型，以充分捕捉所有方向的面孔，例如，在猎头方法中的22个模型[22]。在本文中，我们提出了一种深度密集人脸检测器(DDFD)，这种方法不需要姿态/地标标注，可以使用基于深度卷积神经网络的单个模型库在多种方向上检测人脸。该方法具有最小的复杂度；与其他最近的深度学习对象检测方法[9]不同，它不需要额外的组件，例如分割、包围盒回归或SVM分类器。此外，我们还分析了所提出的人脸检测器对不同方向人脸的检测结果，结果表明：1)该方法能够从不同的角度检测人脸，并能很好地处理人脸识别问题。2)结论在一定程度上，训练集中阳性样本的分布与所提出的人脸检测器的得分之间存在一定的相关性。后者表明，采用更好的采样策略和更复杂的数据增强技术，可以进一步提高该方法的性能。对常用的人脸检测基准数据集的评价表明，本文提出的单模型人脸检测算法与以往的人脸检测方法相比，具有相似或更好的性能。并要求标注不同的姿势或面部标志。