本文解读了一篇关于使用三层卷积神经网络进行人脸识别和关键点检测的论文。网络包括人脸/非人脸分类、边界框回归和面部关键点定位。训练策略针对不同样本类型，如人脸、非人脸和部分人脸，采用特定损失函数。通过在线采集困难样本和结合包围盒识别与关键点标注，提升了训练效果。论文中详细介绍了P-Net、R-Net和ONet的训练过程。
论文链接：https://arxiv.org/ftp/arxiv/papers/1604/1604.02878.pdf
翻译连接：
摘要：https://blog.csdn.net/mid_Faker/article/details/104530183
算法实现部分 ： https://blog.csdn.net/mid_Faker/article/details/104553719
三层网络的结构：
1.人脸/非人脸分类
使用交叉熵损失函数（cross-entroy loss）：
pi是有网络产生的描述一个样本是一张脸的可能性，符号yi【0-1】是ground-truth label
2.边界框回归
最低0.47元/天 解锁文章
扫一扫
321
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
