级联人脸检测--Detecting Faces Using Inside Cascaded Contextual CNN

Detecting Faces Using Inside Cascaded Contextual CNN ICCV2017

这里也是使用级联思想来进行人脸检测,但是不是使用多个 CNN 网络来级联的,而是使用一个CNN中不同网络层来做级联的。简单的来说就是CNN网络的前几层完成简单的人脸检测,后面的网络完成难度较大的人脸检测。 同时使用 body part localization 来辅助人脸检测

real time performance

3 Overall Framework

本文的网络结构主要包括三个部分:人脸候选区域提取模块 Proposal Net (P-Net), two Refinement Nets (R-Net-1 and R-Net-2)

人脸候选区域提取模块 Proposal Net (P-Net) 是由全卷积网络构成的,采用滑动窗口的方式对 图像金字塔(多尺度输入图像)快速处理,得到人脸候选区域; R-Net-1 and R-Net-2 主要对第一步得到的候选区域进行去虚警和 矩形框坐标回归 bounding box regression

4 Inside Cascaded Structure ICS has two extra components, Early Rejection Classifier (ER-C) and Data Routing (DR) layer CNN网络的前几层完成简单的人脸检测,后面的网络完成难度较大的人脸检测, 这个策略可以让我们后面的网络专注于学习难度较大的人脸检测, deeper layers can focus on handling more difficult samples compared to traditional CNN。因为简单的非人脸区域在网络的前几层就被快速排除,这样整体的检测计算量就会降低。

4.1. Early Rejection Classifier ERC 是一个小型分类器,用于人脸区域的二分类判断。这个分类器得到的概率输入 next DR layer 依此来决定是否需要进行后续处理。

4.2. Data Routing Layer DR layer will change the sample set for the following network components 简单的说就是后续区域不断的减少,容易的负样本被剔除了。

An example of neural network in ERC and CNN architectures of P-Net, R-Net-1 and R-Net-2

6 Experiments

FDDB

WIDER FACE

Speed

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AI科技大本营的专栏

如何用TensorFlow实现基于深度学习的图像补全?看完这篇就明白了

作者|Brandon Amos 译者|@MOLLY && 寒小阳 简介 第一步:将图像理解为一个概率分布的样本 你是怎样补全缺失信息的呢? 但是怎样着手统...

1.9K10
来自专栏云时之间

深度学习与TensorFlow:FCN论文翻译(二)

Each layer of data in a convnet is a three-dimensional array of size h × w × d, ...

2142
来自专栏null的专栏

可扩展机器学习——梯度下降(Gradient Descent)

注:这是一份学习笔记,记录的是参考文献中的可扩展机器学习的一些内容,英文的PPT可见参考文献的链接。这个只是自己的学习笔记,对原来教程中的内容进行了梳理,有些图...

3927
来自专栏Soul Joy Hub

《深度学习Ng》课程学习笔记02week3——超参数调试、Batch正则化和程序框架

http://blog.csdn.net/u011239443/article/details/78088602 3.1 调试处理 参数: ? - 不要使...

3214
来自专栏拂晓风起

去噪:用于验证码图片识别的类续(C#代码)

2523
来自专栏杨熹的专栏

图解RNN

参考视频 RNN-Recurrent Neural Networks ---- 本文结构: 什么是 Recurrent Neural Networks ? R...

3495
来自专栏ATYUN订阅号

小测试:KNN算法的基础知识

问题与答案 1) [正确或错误]:K – NN算法在测试时间上做的计算比训练时间多。 A)正确 B)错误 答案:A 该算法的训练阶段只包括存储训练样本的特征向量...

3577
来自专栏机器学习算法工程师

Batchnorm原理详解

作者:刘威威 小编:赵一帆 前言:Batchnorm是深度网络中经常用到的加速神经网络训练,加速收敛速度及稳定性的算法,可以说是目前深度网络必不可少的一部分。...

7886
来自专栏Petrichor的专栏

Image Segmentation(图像分割)综述

3993
来自专栏AI研习社

如何用 Caffe 生成对抗样本?这篇文章告诉你一个更高效的算法

Fast Gradient Sign方法 先回顾一下《杂谈CNN:如何通过优化求解输入图像》中通过加噪音生成对抗样本的方法,出自Christian Szeg...

3123

扫码关注云+社区

领取腾讯云代金券