人脸检测--Grid Loss: Detecting Occluded Faces

Grid Loss: Detecting Occluded Faces ECCV2016

遮挡问题还是要通过区域分块来解决

针对有遮挡的人脸检测,如果从训练数据的角度来解决这个问题难度比较大。我们从定义新的损失函数的角度来解决这个问题。通过定义一个 novel loss layer 来分块考虑人脸计数误差损失,本文的另一个亮点是 real time

我们的整个网络结构示意图

3 Grid Loss for CNNs 本文的检测方式是类似于文献【33】的滑动窗口方式

3.1 Neural Network Architecture 我们的CNN结构由两个 5×5 卷积层组成,每个卷积层后面是 Rectified Linear Unit (ReLU) 激活相应,在两个卷积层之间加入了一个 Local Contrast Normalization (LCN) layer 来做相应归一化,在最后一个卷积层后面使用了一个小的 dropout

因为速度的因素,这里我们采用了 Aggregate Channel Features (ACF) 特征,对该特征降采样4倍输入卷积层,在检测的时候,我们是多尺度检测的,使用非极大值抑制

3.2 Grid Loss Layer 这里主要讲人脸区域特征图进行分块,然后定义 part detectors 的损失函数,组合不同的part detectors 损失函数及整体检测损失函数得到总体损失函数。 error signals of less discriminative parts are strengthened during training, encouraging the CNN to focus on making weak parts stronger rather than strengthening already discriminative parts the influence of several strong distinguished parts decreases 简单的来说当有特征的区域被遮挡了,这时候我们需要依靠特征不明显的区域。

4 Evaluation

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏深度学习自然语言处理

【深度学习】你不了解的细节问题(三)

第一,对于神经网络来说,网络的每一层相当于f(wx+b)=f(w'x),对于线性函数,其实相当于f(x)=x,那么在线性激活函数下,每一层相当于用一个矩阵去乘以...

742
来自专栏用户2442861的专栏

循环神经网络教程第一部分-RNN简介

作者:徐志强 链接:https://zhuanlan.zhihu.com/p/22266022 来源:知乎 著作权归作者所有。商业转载请联系作者获得授权,非商业...

501
来自专栏人工智能

机器学习算法:选择您问题的答案

当我开始涉足数据科学时,我经常面临为如何我的问题选择最合适的算法的问题。如果你像我一样,当你看到一些关于机器学习算法的文章时,你会看到许多详细的描述。但是,即使...

3647
来自专栏算法channel

logistics判别与线性模型中的4个问题

之前说过,机器学习的两大任务是回归和分类,上章的线性回归模型适合进行回归分析,例如预测房价,但是当输出的结果为离散值时,线性回归模型就不适用了。我们的任务是:将...

1140
来自专栏企鹅号快讯

Python数据建模-回归分析

主题 数据建模 我还是一次性将一些理论的知识整理完呗,大家可以选择性地看看就好,后续会找一些实例来练练。 一、分类与预测 分类与预测是预测问题的2种主要实...

2869
来自专栏IT派

理解SVM的三层境界(一)

前言 动笔写这个支持向量机(support vector machine)是费了不少劲和困难的,原因很简单,一者这个东西本身就并不好懂,要深入学习和研究...

3227
来自专栏CVer

一文读懂卷积神经网络中的1x1卷积核

1. 卷积核(convolutional kernel):可以看作对某个局部的加权求和;它是对应局部感知,它的原理是在观察某个物体时我们既不能观察每个像素也不能...

1113
来自专栏Deep learning进阶路

深度学习论文随记(一)---AlexNet模型解读

深度学习论文随记(一)---AlexNet模型解读 ImageNet  classification with deep convolutional neur...

2730
来自专栏机器人网

强大的卷积网络是如何运行?

首先,卷积网络认知图像的方式不同于人类。因此,在图像被卷积网络采集、处理时,需要以不同方式思考其含义。 卷积网络将图像视为体,也即三维物体,而非仅用宽度和高度测...

2688
来自专栏人工智能LeadAI

数据挖掘面试题之梯度提升树

GBDT是机器学习面试中的常客,但是,要准确地说出它的原理却并不容易,除了掌握DT基本知识外,还要掌握加法模型、前向分步算法、梯度提升思想,本文是对这些知识点的...

3313

扫码关注云+社区