本文介绍了Faster R-CNN在人脸检测中的实现，通过Region Proposal Networks (RPN)找到候选目标窗口，再由Fast R-CNN进行判断。RPN采用3x3滑动窗口，生成分类和回归的输出。Faster R-CNN结构中，RPN与R-CNN共享层以提高效率，使用ROI-Pooling处理目标区域。训练策略采用交替方式进行，包括单独训练RPN、利用RPN候选窗口训练R-CNN等四个阶段。
本次介绍人脸检测方法Faster R-CNN：
《2016 Arxiv: Face Detection with the Faster R-CNN》.
上面这篇文章，是对Faster R-CNN的人脸检测实现，原始的Faster R-CNN实现的是多目标检测，即下面这篇文章：
《2015 CVPR: Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks》.
核心导读：
RPN(Region Proposal Networks) + Fast R-CNN
RPN负责找到可能的目标窗口，R-CNN负责进一步判断目标。
因为讲解Faster R-CNN的文章已经很多了，所以我这里就快速的切入几个要点。
—————————— RPN ——————————
RPN负责从一副输入图像中选出一些候选目标窗口，它的作用和古老的“Sliding Window”(滑动窗口)类似，但后者通常会在一幅图像上产生数以万计的窗口。
下面给出RPN的示意图：
最低0.47元/天 解锁文章
扫一扫
172
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
