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: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

---