目标检测（人脸识别）经典算法—MTCNN（Multi-task Cascaeded Convolutional Networks）

最新推荐文章于 2024-07-22 16:21:02 发布
最新推荐文章于 2024-07-22 16:21:02 发布
阅读量1.2k 收藏 4
点赞数 2
分类专栏： 深度学习 文章标签： 目标检测 深度学习 人脸识别 机器学习 MTCNN
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Fengfeng__y/article/details/103283402
版权

多任务级联卷积网络

该网络可以称之为目标检测应用的开山之作。但是由于其网络层次复杂，识别速度慢，目前的工程领域并不常用，其核心思想却在各个常用的目标检测算法中经常使用。
一、图像金字塔

当网络对一张图片进行特征提取时，我们设定的框往往不能够框住图片上的目标（对于任意一张图片我们并不知道目标在图片上所占的比例），如下图所示，由于设定窗口（蓝框）太小，无论如何移动，也框不到我们想得到的人脸。
在这里插入图片描述
使用图像金字塔对图片进行缩放，如下图，当被缩放图片的最小边长小于设定框时，x<a时，结束操作。此时设定框可以选定图像上不同大小的目标（同时也会产生过多的候选框）。
在这里插入图片描述
二、IOU（交并比、重叠度）
在这里插入图片描述
如上图所示，红色框为真实框A，绿色框为预测框B。IOU表示两个框的重叠度。公式如下：
在这里插入图片描述
IOU的计算为NMS提供基础。
三、NMS（非极大抑制）
文章中所提到的NMS方法，在其他很多地方应用也很广。
在这里插入图片描述
这是举例说明，我们首先选取0.98的框，将其他所有框的得分与0.98做IOU，设定阈值为0.3，与0.98做IOU大于0.3的框被淘汰，其余保留。很明显，左一0.75和0.85框都被淘汰（抑制）。0.98被保留，剩下其余六个框。其中0.90最大，剩下的得分再与0.90做IOU，同上。以此循环。最后剩下的框不一定是三个，至于为什么可以自己领悟。
四、P-Net（proposal Net）
在这里插入图片描述
在这里插入图片描述
经过前面的图像金字塔处理，通过一个FNC进行初步特征提取与标定边框，并通过NMS对大部分窗口进行过滤，Bound ing－Box Regression调整窗口。
P-Net 是一个人脸区域建议网络,将提取到的特征输入该网络的三个卷积层后,通过一个分类器判断该区域是否存在人脸,同时使用Bound ing-Box Regression和面部关键点的定位器来初步标记人脸区域.P网络中将输出很多可能存在人脸的候选框,交给R-Net做处理.(此时可以将P-Net预想为公司招聘时的HR面,只是将可能存在脸部的框保留了下来,并没有考虑精度)

五、R-Net（Refine Net）
在这里插入图片描述
相比第一层P-Net,在第二次卷积之后增加了一个池化层,最后一次卷积完后增加了一个全连接层.R-Net网络将过滤掉输入进来的效果不好的候选框,最后对选定的候选框进行Bound ing-Box regression和NMS进一步优化预测结果.
六、O-Net（Output Net）
在这里插入图片描述
结构上相比于R-Net 多了一个卷积层和一个池化层,全连接层也由128增加到256.此时会通过更多的监督进行识别面部的区域.而且会对人的面部特征点进行回归,最终输出五个人脸面部特征点.

Fengfeng__y
关注
  • 2
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
算法部署-使用NCNN在Windows+Android平台上部署MTCNN人脸检测算法-优质算法部署项目实战.zip
03-07
在这个名为“算法部署-使用NCNN在Windows+Android平台上部署MTCNN人脸检测算法-优质算法部署项目实战.zip”的压缩包文件中，我们探讨的是如何将MTCNN（Multi-Task Cascaded Convolutional Networks）人脸识别算法在...
MTCNN算法详解
Loong Cheng的博客
06-07 3881
The Multi-task Cascaded Convolutional Networks (MTCNN)算法出自深圳先进技术研究院，乔宇老师组，2016的ECCV。facenet中人脸对齐和特征提取就是用了这个网络。 算法流程图 MTCNN由3个网络结构组成（P-Net,R-Net,O-Net）。 （1）Proposal Network (P-Net)：...
一文综述人脸检测算法（附资源）
数据派THU
05-09 1万+
文章来源：SIGAI本文共9400字，建议阅读10+分钟。本文将和大家一起回顾人脸检测算法的整个发展历史。[导读] 人脸检测是目前所有目标检测子方向中被研究的最充分的问题...
mtcnn人脸检测算法介绍
牧羊女
01-05 9300
0. 概述 MTCNN(Multi-task Cascaded Convolutional Networks，多任务卷积神经网络)，是2016年由Kaipeng Zhang、Zhanpeng Zhang等提出的一种多任务人脸检测模型，该模型使用3个CNN级联算法结构，将人脸检测和人脸特征点提取同时完成。 原论文中被引用了无数次的算法示意图如下： 由上图可知，MTCNN整个流程结构中，首先会按照不同的缩放因子(resize_factor)，将图像缩放成不同大小的size，形成图像的特征金字塔。接下.
MTCNN：Multi-task Cascaded Convolutional Networks
Code for Coffee
12-01 3228
  目录 论文 背景简介 MTCNN算法简介 模型训练 实验 NMS IOU 结论 原文 论文 Zhang K, Zhang Z, Li Z, et al. Joint face detection and alignment using multitask cascaded convolutional networks[J]. IEEE Signal Processing...
MTCNN人脸识别
weixin_50707265的博客
11-26 1603
MTCNN人脸识别 一：总体介绍下流程： MTCNN，多任务卷积神经网络，该模型利用级联思想。 首先简单说下总体流程:MTCNN侦测识别主要分为三个阶段进行: 第一阶段：人脸检测； 第二阶段：特征提取； 第三阶段：人脸对比 第一阶段是：人脸侦测（直白点说就是训练网络能够找到人脸： 先将人脸框出来 将人脸检测出来的人脸裁剪出来 得到裁剪出来的人脸图片传进特征提取器 第二阶段是：特征提取部分（就是训练网络能够知道谁是谁） 先训练一个特征提取网络 将人变脸特征提取器输出的一组向量，作为标签保存到人脸特征提取库中
MTCNN人脸检测与人脸对齐
jcjx0315的博客
05-04 9817
MTCNN人脸检测与人脸对齐 1 写在前面 首先再次提一下人脸识别的一般步骤： 人脸检测：简单的说就是得到人脸图像在图片中的位置；具体的一些方法有比如HOG/FHOG/SVM，还有一些基于Cascade的方式可以达到比较不错的效果。例如Compact CascadeCNN速度较快，速度要优于opencv和dlib，还有就是RCNN系列的通用检测方法（如R-CNN,FAST R...
深度学习(CNN)人脸检测定位主流算法综述
weixin_40280870的博客
06-19 3639
深度学习人脸检测是一种利用深度学习算法来检测图像中人脸位置的技术，其核心是卷积神经网络（Convolutional Neural Network，CNN），人脸定位是计算机视觉领域的一个重要应用，被广泛应用于人脸识别、表情分析、人脸跟踪等相关领域。人脸检测通常包括两个步骤：1）生成候选框（region proposals）；2）对候选框进行分类和回归，判断其中是否有人脸以及精确定位人脸。当前，深度学习算法在人脸定位领域中得到了广泛的应用，已经取代了传统的人脸定位算法，成为了目前最先进、最准确的技术.
毕业设计-使用MTCNN开发的人脸检测+表情识别项目-项目实战-项目源码-优质项目.zip
01-17
该项目是一个综合性的毕业设计，基于MTCNN（Multi-task Cascaded Convolutional Networks）技术，实现了人脸检测与表情识别的功能。MTCNN是目前在人脸识别领域广泛应用的一种算法，由三个部分组成：P-Net、R-Net和O-...
几篇CVPR关于multi-task的整理
11-02
几篇CVPR关于multi-task的论文笔记整理，包括 一、 多任务课程学习Curriculum Learning of Multiple Tasks 1 --------------^CVPR2015/CVPR2016v--------------- 5 二、 词典对分类器驱动卷积神经网络进行对象检测Dictionary Pair Classifier Driven Convolutional Neural Networks for Object Detection 5 三、 用于同时检测和分割的多尺度贴片聚合（MPA）* Multi-scale Patch Aggregation (MPA) for Simultaneous Detection and Segmentation ∗ 7 四、 通过多任务网络级联实现感知语义分割Instance-aware Semantic Segmentation via Multi-task Network Cascades 10 五、 十字绣网络多任务学习Cross-stitch Networks for Multi-task Learning 15 --------------^CVPR2016/CVPR2017v--------------- 23 六、 多任务相关粒子滤波器用于鲁棒物体跟踪Multi-Task Correlation Particle Filter for Robust Object Tracking 23 七、 多任务网络中的全自适应特征共享与人物属性分类中的应用Fully-Adaptive Feature Sharing in Multi-Task Networks With Applications in Person Attribute Classification 28 八、 超越triplet loss：一个深层次的四重网络，用于人员重新识别Beyond triplet loss: a deep quadruplet network for person re-identification 33 九、 弱监督级联卷积网络Weakly Supervised Cascaded Convolutional Networks 38 十、 从单一图像深度联合雨水检测和去除Deep Joint Rain Detection and Removal from a Single Image 43 十一、 什么可以帮助行人检测？What Can Help Pedestrian Detection? （将额外的特征聚合到基于CNN的行人检测框架） 46 十二、 人员搜索的联合检测和识别特征学习Joint Detection and Identification Feature Learning for Person Search 50 十三、 UberNet：使用多种数据集和有限内存训练用于低，中，高级视觉的通用卷积神经网络UberNet: Training a Universal Convolutional Neural Network for Low-, Mid-, and High-Level Vision using Diverse Datasets and Limited Memory 62 一共13篇，希望能够帮助到大家
毕业设计-基于Keras使用mtcnn和facenet开发的在线人脸识别项目-项目实战-项目源码-优质项目.zip
01-17
这是一个关于毕业设计的项目，主要涉及使用深度学习框架Keras，以及两个专门针对人脸检测与识别的算法：Multi-Task Cascaded Convolutional Networks (MTCNN) 和 FaceNet。这个项目旨在实现一个在线的人脸识别系统，...
基于MTCNN实现人脸检测完整代码
10-31
MTCNN（Multi-Task Cascaded Convolutional Networks）是一种流行的人脸检测算法，由Zhang et al.在2016年提出。它采用级联结构，通过三个连续的网络任务——人脸提议生成、人脸对齐和人脸验证——来高效准确地检测...
基于adaboost算法的人脸检测_人脸识别系统之人脸检测算法
weixin_39697143的博客
11-12 2510
本文用途仅仅是在前人经验下，自我总结，以供以后学习使用，若有错误，敬请您批评指正。【导读】人脸检测在实际中主要用于人脸识别的预处理，即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富，如直方图特征、颜色特征、模板特征、结构特征及Haar特征等。人脸检测就是把这其中有用的信息挑出来，并利用这些特征实现人脸检测。人脸检测的目标是找出图像中的所有人脸存在的位置，各类方法的输出是人脸矩...
MTCNN目标检测实战—基于PyTorch的人脸检测算法实战
ssunshining的博客
10-02 1万+
MTCNN人脸检测算法实战（附代码）
MTCNN解读：Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks
热门推荐
VivienFu的专栏
06-14 2万+
解读论文为《Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks》 基于多任务级联卷积神经网络的人脸检测和对齐 论文地址： https://kpzhang93.github.io/MTCNN_face_detection_alignment/ 本文作者：
一文带你了解人脸检测算法的类型及其工作原理
TSINGSEE青犀视频官方技术博客
11-10 7684
在过去的几年里，人脸识别受到了广泛的关注，被认为是图像分析领域最有前途的应用之一。人脸检测可以考虑人脸识别操作的很大一部分。根据其强度将计算资源集中在持有人脸的图像部分。图片中的人脸检测方法很复杂，因为人脸存在可变性，例如姿势、表情、位置和方向、肤色、眼镜或面部毛发的存在、相机增益的差异、照明条件和图像分辨率。 物体检测是计算机技术中的一种，它与图像处理和计算机视觉相联系，它与人脸、建筑物、树木、汽车等物体的检测实例相互作用。人脸检测算法的主要目的是确定图像中是否有任何人脸。 近年来，在人脸识别
目标人脸检测与识别（计算机视觉）
qq_48527460的博客
04-15 1万+
通过python 语言编程设计人脸检测算法，以此人脸作为训练样本，训练目标人脸模型，进一步实现目标人脸的识别。通过上述编程促进学生理解并掌握人脸检测及识别的相关原理，同时培养学生的编程能力。实现人脸的检测及目标人脸识别 采用DNN人脸检测和EigenFaces人脸识别器从包含目标人脸的图像中检测到人脸并保存到文件夹。
16现代循环神经网络—深度循环与双向循环
最新发布
kaszxc的博客
07-22 479
深度循环神经网络使用多个隐藏层来获得更多的非线性性GRU、RNN、LSTM 在结构上都是相同的，只是隐状态 H 的计算方式有区别，所以它们加深神经网络的原理都是相同的在深度循环神经网络中，隐状态的信息被传递到当前层的下一时间步和下一层的当前时间步存在许多不同风格的深度循环神经网络，如长短期记忆网络、门控循环单元或经典循环神经网络深度循环神经网络需要大量的调参（如学习率和修剪）来确保合适的收敛，模型的初始化也需要谨慎双向循环神经网络通过反向更新的隐藏层来利用方向时间信息。
MTCNN：深度学习人脸检测与对准技术
MTCNN（Multi-task Cascaded Convolutional Networks）是一种先进的人脸检测和对准算法，它将人脸检测、关键点定位和人脸对齐三个任务集成在一个深度学习框架中，实现了高效的端到端操作。在人脸检测领域，MTCNN通过...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值