MTCNN是一种Multi-task的人脸检测框架，通过级联的P-Net、N-Net和O-Net实现人脸检测和特征点定位。算法包括图像金字塔、非极大值抑制（NMS）等步骤，训练时结合人脸分类、bounding box regression和特征点定位的损失函数。实验证明其在人脸检测和定位上有优秀表现，并且速度快，适合移动设备应用。
论文题目《Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks》
MTCNN提出了一种Multi-task的人脸检测框架，将人脸检测和人脸特征点检测同时进行。论文使用3个CNN级联的方式。
框架
算法流程
当给定一张照片的时候，将其缩放到不同尺度形成图像金字塔，以达到尺度不变。
Stage 1：使用P-Net是一个全卷积网络，用来生成候选窗和边框回归向量(bounding box regression vectors)。使用Bounding box regression的方法来校正这些候选窗，使用非极大值抑制（NMS）合并重叠的候选框。全卷积网络和Faster R-CNN中的RPN一脉相承。
Stage 2：使用N-Net改善候选窗。将通过P-Net的候选窗输入R-Net中，拒绝掉大部分false的窗口，继续使用Bounding box regression和NMS合并。
Stage 3：最后使用O-Net输出最终的人脸框和特征点位置。和第二步类似，但是不同的是生成5个特征点位置。
CNN结构
本文使用三个CNN，结构如图：
最低0.47元/天 解锁文章
扫一扫
3304
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
