快速多尺度人脸检测--Multi-Scale Fully Convolutional Network for Fast Face Detection

最新推荐文章于 2024-06-05 16:23:13 发布
最新推荐文章于 2024-06-05 16:23:13 发布
阅读量2.3k 收藏 5
点赞数 1
分类专栏： 人脸检测识别
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/zhangjunhit/article/details/78842773
版权

Multi-Scale Fully Convolutional Network for Fast Face Detection
BMVC 2016

如何能够快速的实现多尺度人脸检测了？

本文的思路是 将 多尺度模型往后移，这样前面的卷积层都能够共享， can run about 100 FPS on a GPU for VGA images
网络结构图如下所示：
这里写图片描述
这里写图片描述

我们的训练图像如下图所示，人工合成多人脸图像，去除背景区域
这里写图片描述

我们的训练图像是多尺度的 image pyramid，这里的多尺度是有选择的多尺度 octave-spaced scale intervals
这里写图片描述
这里写图片描述

FDDB dataset
这里写图片描述

这里写图片描述

11

O天涯海阁O
关注
  • 1
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
一种快速而精确的人脸检测算法
06-15
一种快速而精确的人脸检测算法，最新的论文，最优秀的结构，很适合专业人士
一种快速准确的人脸检测、识别和验证系统
gzq0723的博客
08-26 760
即将迎来了2019世界人工智能大会，相信这个会议又一次推动人工智能的发展，有兴趣的同学可以去参加感受一下人工智能的热度，绝不会低于这个夏天的高温。今天“计算机视觉战队”为...
主动学习（Active Learning）简介综述汇总以及主流技术方案
最新发布
2401_84495725的博客
06-05 792
主动学习是指对需要标记的数据进行优先排序的过程，这样可以确定哪些数据对训练监督模型产生最大的影响。主动学习是一种学习算法可以交互式查询用户(teacher 或 oracle)，用真实标签标注新数据点的策略。主动学习的过程也被称为优化实验设计。主动学习的动机在于认识到并非所有标有标签的样本都同等重要。主动学习是一种策略/算法，是对现有模型的增强。而不是新模型架构。主动学习背后的关键思想是，如果允许机器学习算法选择它学习的数据，这样就可以用更少的训练标签实现更高的准确性。
多尺度人脸检测--Face Detection through Scale-Friendly Deep Convolutional Networks
AI小作坊 的博客
10-24 3533
Face Detection through Scale-Friendly Deep Convolutional Networks http://shuoyang1213.me/projects/ScaleFace/ScaleFace.html本文针对多尺度人脸检测问题，采用分而治之的思路来解决，提出不同尺度的人脸需要不同的网络结构来进行检测。然后我们将这些网络组合成一个网络，使用端对端的方式优化
快速多尺度人脸检测2--Multi-Scale Fully Convolutional Network for Face Detection in the Wild
AI小作坊 的博客
12-21 1390
Multi-Scale Fully Convolutional Network for Face Detection in the Wild CVPRW2017上一篇文献的姊妹篇吧，如何能够快速的实现多尺度人脸检测了？ 本文将用于检测的特征图上采样和降采样得到多尺度特征图，在这个多尺度特征图上分别训练若干 FCN 人脸检测器 ，每个FCN 人脸检测器 负责检测相应尺寸的人脸本文最小检测人脸尺寸 1
深度学习（二十五）基于Mutil-Scale CNN的图片语义分割、法向量估计
热门推荐
hjimce的专栏
12-31 1万+
以为作者要采用mutil-task多任务特征学习的方法，用于估计单幅图像的深度、法向量、语义分割三个任务。还以为paper即将采用跟文献《Facial Landmark Detection by Deep Multi-task Learning》一样的思想，进行提高精度，最后仔细通读全文才知道，其实这三个任务是独立的，不是传说中的“多任务特征学习”，终于松了一口气（因为之前看《机器学习及其应用2015》这本书的第一章的时候，讲到了“鲁邦多任务特征学习”，觉得好难，看不懂，所以就对多任务特征学习有点害怕）。这
Salient Object Detection with Chained Multi-Scale Fully Convolutional Network
02-06
Salient Object Detection with Chained Multi-Scale Fully Convolutional Network
mtcnn-face-detection：使用深度学习进行人脸检测和对齐
02-03
本文将深入探讨一种基于深度学习的方法——MTCNN（Multi-Task Cascaded Convolutional Networks），它在人脸检测和对齐任务中表现出卓越的性能。 **1. MTCNN简介** MTCNN是2016年提出的用于实时人脸检测和对齐的...
A-Convolutional-Neural-Network-Cascade-for-Face-Detection:TensorFlow实现“用于面部检测的卷积神经网络级联”，CVPR 2015
05-17
用于人脸检测的卷积神经网络级联 此回购是TensorFlow中重新实现。 开始 准备资料 下载AFLW数据集（正）和COCO数据集（负）进行训练。 可以使用任何其他数据集代替负数的COCO数据集。 下载FDDB数据集进行测试。 在...
face-api.js人脸识别库
12-28
该库使用深度学习模型，如SSD（Single Shot Detection）和MTCNN（Multi-Task Cascaded Convolutional Networks）来检测和定位面部，然后使用预训练的FaceNet模型来提取和比较面部的嵌入向量，从而实现人脸的识别和...
Multi-view Face Detection Using Deep Convolutional Neural Networks
09-11
Multi-view Face Detection Using Deep Convolutional Neural Networks
Multi-Scale Retinex with Color Restore 多尺度Retinex图像增强算法
05-07
Retinex是一种常用的建立在科学实验和科学分析基础上的图像增强方法，它是Edwin.H.Land于1963年提出的。就跟Matlab是由Matrix和Laboratory合成的一样，Retinex也是由两个单词合成的一个词语，他们分别是retina 和cortex，即：视网膜和皮层。
人脸检测多尺度检测函数c语言,MTCNN人脸检测的详细介绍及完整C++代码你能学会吗？...
weixin_42299645的博客
05-21 140
人脸检测识别一直是图像算法领域一个主流话题。前年SeetaFace开源了人脸识别引擎，一度成为热门话题。虽然后来SeetaFace又放出来 2.0版本，但是，我说但是。。。没有训练代码，想要自己训练一下模型那可就犯难了。虽然可以阅读源码，从前向传播的角度，反过来实现训练代码，但是谁有那个闲功夫和时间，去折腾这个呢？有的时候还是要站在巨人的肩膀上，你才能看得更远。而SeetaFace不算巨人，只是当...
人脸、人眼检测与跟踪
Gone_HuiLin的博客
11-18 1364
#include #include #include using namespace cv; CascadeClassifier face_cascade; CascadeClassifier eye_cascade; // 人眼检测 int detectEye(cv::Mat& im, cv::Mat& tpl, cv::Rect& rect) { std::vector face
论文阅读《Multi-Scale Dense Convolutional Networks for Efficient Prediction 》
bojackhosreman的博客
12-21 1419
paper：https://arxiv.org/abs/1703.09844 code：https://github.com/gaohuang/MSDNet参考： http://blog.csdn.net/u014380165/article/details/78006893
《Multi-Frame Video Super-Resolution Using Convolution Neural Networks》 读书笔记
宝树啊宝树
03-22 1409
论文地址 MSEMSEMSE定义 MSE(Y^,Y)=1213HW∑i=1H∑j=1w∑k=13(Y^ijk−Yijk)2MSE(Y^,Y)=1213HW∑i=1H∑j=1w∑k=13(Y^ijk−Yijk)2MSE(\hat{Y},Y)=\frac{1}{2}\frac{1}{3HW}\sum_{i=1}^{H}\sum_{j=1}^{w}\sum_{k=1}^{3}(\hat{Y}_{...
3DSRnet: Video Super-resolution using 3D Convolutional Neural Networks论文笔记
Ytravel的博客
02-27 1714
3DSRnet: Video Super-resolution using 3D Convolutional Neural Networks论文笔记 论文链接 一. 简介 虽然2D-CNNs 在图像建模方面具有强大的功能，但3D-CNNs 更适合于时空特征提取，因为它可以保存时间信息。 本文提出了有效的3D-CNN 视频超分辨率，不需要运动对齐作为预处理。 本文的3DSRnet 保持时空特征图的...
Multi-Oriented Text Detection with Fully Convolutional Networks
Diana_Z的博客
08-03 1260
2.相关工作 自然图像中的文本检测已经受到计算机视觉和文档分析社区的广泛关注。然而，大多数文本检测方法主要以两种方式集中于检测水平或近水平文本：1）定位单词的边界框[4,3,17,15,18,33,5,6]，2）组合检测和识别程序成为端到端的文本识别方法[8,28]。场景文本检测和识别的综合调查可参考[30,36]。 在本节中，我们将重点介绍为多方向文本检测提供的最相关的工作。在野外进行多...
[人脸数据集] 数据集处理：将MAFA人脸数据集的.mat标注格式转为.xml格式
qq_36848732的博客
05-19 3973
一. 数据集分析 1.1解压从官方下载的MAFA数据集后，文件结构： train_images/ test_images/ LabelTrainAll.mat LabelTestAll.mat readme-test.txt readme-train.txt 可用看看这个txt文件，解释了标注规范，重点！这个数据集的训练集标注出了有遮挡的人类面部，而没有遮挡的面部没有标出，测试集中，将面部分成了 { 没遮挡的脸、遮挡的脸、 invalid 脸} 二. mat 2 xml train 和
end-to-end object detection with fully convolutional network
03-16
End-to-end物体检测是指使用全卷积网络（Fully Convolutional Network，FCN）来进行物体检测的方法。在这种方法中，输入图像通过一系列的卷积层和池化层来提取特征，最后通过一个分类器来确定图像中是否存在目标物体...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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