MTCNN算法详解
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了MTCNN算法详解,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含1553字,纯文字阅读大概需要3分钟。
内容图文
![MTCNN算法详解](/upload/InfoBanner/zyjiaocheng/775/7a2504808672497faea7cff701a6a6a9.jpg)
MTCNN:基于多任务卷积神经网络的人脸检测
本文特点:
①提出结合face detection和alignment的轻量级级联网络
②online hard sample mining
网络结构
输入图像resize
minsize是指图片中需要识别的人脸的最小尺寸(单位:px);factor是指每次对边缩放的倍数,文中使用的factor是0.709 ,原因是将长和宽各缩小一半的话,面积就变为了1/4,这样的缩放幅度太大了,因此使用了0.709≈ sqrt(2)/2,这样面积就只缩小了一半。
第一阶段会多次缩放原图得到图片金字塔,目的是为了让缩放后图片中的人脸与P-NET训练时候的图片尺度(12px * 12px)接近。
先把原图等比缩放`12/minsize,再按缩放因子factor(例如0.5)用上一次的缩放结果不断缩放,直至最短边小于或等于12。minsize越大,生成的“金字塔”层数越少,resize和P-Net的计算量越小。
P-Net
输入:resize为12*12的图片和预训练框
输出:人脸候选框坐标,人脸的置信度和人脸5个特征点
因为这个模型是结合了人脸分类、人脸检测和人脸特征点,所以有三部分输出(上图的三个子网络都有三部分输出)
人脸框坐标对应问题
计算输入图像(就是矩阵)上一个左上角坐标(X, Y)、宽和高都是12的区域,经过P-NET的卷积和池化操作,对应于了1*1*32维矩阵上的(X/2 – 5 , Y/2 – 5)
R-Net
输入:P-Net计算出来的人脸候选框,还有resize中24*24大小的图片
输出:人脸候选框坐标,人脸的置信度和人脸5个特征点
O-Net
输入:R-Net输出的人脸候选框和resize为48*48的图片
输出:人脸候选框坐标,人脸的置信度和人脸5个特征点
从上面的结构图中可以看到,三种网络结构非常相似,R-Net和O-Net中都有全连接,因此这两部分不能输入任意尺寸的图片。
online hard sample mining
每个mini-batch,由高到低排序前向传播中计算中损失值,选取前70%的samples进行反向传播计算
结果
16 fps 2.60GHz CPU and 99fps on GPU (Nvidia Titan Black).
内容总结
以上是互联网集市为您收集整理的MTCNN算法详解全部内容,希望文章能够帮你解决MTCNN算法详解所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。