快速多尺度人脸检测2--Multi-Scale Fully Convolutional Network for Face Detection in the Wild

最新推荐文章于 2021-07-25 16:34:00 发布
最新推荐文章于 2021-07-25 16:34:00 发布
阅读量1.4k 收藏 2
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/78861572
版权

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 10×10 pixels
our method can detect very small faces (10×10 pixels)
速度： MS-FCN runs at 23 FPS on a GPU for images of size 640×480 with no assumption on the minimum detectable face size

本文的主要流程图如下所示
这里写图片描述

结果示意图
这里写图片描述

FDDB dataset
这里写图片描述

WIDER FACE dataset
这里写图片描述

这里写图片描述

AFW dataset & PASCAL FACE dataset
这里写图片描述

这里写图片描述
这里写图片描述
11

O天涯海阁O
关注
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
快速多尺度人脸检测--Multi-Scale Fully Convolutional Network for Fast Face Detection
AI小作坊 的博客
12-19 2392
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： 我们的训练图像如下图所示，人
一个快速的人脸检测库
Sunshine_in_Moon的专栏
12-02 8104
这是我见过和使用过的最快的人脸检测库，而且还能检测到人脸转动的角度。 在此声明！本博客旨在学习研究交流之用，如果要用于商业目的，请直接联系于诗琪老师，获得授权！如有法律问题，本人概不负责！ 于诗琪老师网页连接：http://www.opencv.org.cn/forum.php?mod=viewthread&tid=34155 在于老师提供的代码里有一个例程，我只是对例程做了个
18.7.17 Towards Pose Invariant Face Recognition in the Wild小感
u011732139的博客
07-17 2029
最近再读一篇文章《Towards Pose Invariant Face Recognition in the Wild》。 在人脸识别中，影响准确率的一个比较重要的因素是姿态的多样性。放眼目前的人脸识别技术，有两种方法为主流方向，一种是直接提取不同姿态的人脸特征，另一种就是再提取特征之前，现将人脸摆正。本文则认为，可以将两种方法联合起来使用，最终二者相互影响，实现准确率的提升。本文提出了一种P...
多尺度目标检测 Multiscale Object Detection
吴建明wujianming_110117
06-30 5273
多尺度目标检测 Multiscale Object Detection 我们在输入图像的每个像素上生成多个锚框。这些定位框用于对输入图像的不同区域进行采样。但是，如果锚定框是以图像的每个像素为中心生成的，很快就会有太多的锚框供我们计算。例如，我们假设输入图像的高度和宽度分别为561和728像素。如果以每个像素为中心生成五个不同形状的锚框，则超过两百万个锚框(561×728×5)需要在图像上进行预测和标记。 减少锚箱数量并不困难。一种简单的方法是对输入图像中的一小部分像素进行均匀采样，并生成以采样像素为中心的
Wider Face人脸数据集
u011473714的专栏
06-24 5834
数据集详情：香港中文大学发起的，包含3万张图片共40万张人脸。 应用项目：人脸检测 数据集地址：http://shuoyang1213.me/WIDERFACE/WiderFace_Results.html 人脸应用： 中国香港大学信息工程系多媒体实验室 结果 我们采用与PASCAL VOC数据集相同的评估指标。如果检测到的区域与带注释的面区域的交集的比率大于0.5，则为检测到的区域分配1分，0分否则，进一步评估程序的细节可以在我们的论文中找到。 评估代码 下面提供了生成PR..
人脸识别二
AI+机器人
02-28 6158
awesome-Face_Recognition Face Tracking; Face Clustering; Face Super-Resolution && Face Deblurring && Face Hallucination; Face Generation && Face Synthesis && Face Completion && Face Restoration && Face De-O
（九：2020.08.27）CVPR 2019 追踪之论文纲要（译）
Jojo论文基地
08-28 8742
CVPR 2019 追踪之论文纲要（修正于2020.08.28）讲在前面论文目录 讲在前面 论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这900篇的论文做一个大致从名称上的筛选，希望能找到些能解决当前问题的答案。 论文链接建议直接Google论文名，比去各种论文或顶会网站找不知道快捷多少。 下面皆为机器翻译，我会慢慢修正，但现在请结合。有兴趣的可以问我要处理这些论文并自动翻译的脚本。 Respect！ 论文目录 论文 概要
图像风格迁移cvpr2020_GitHub - wty2019/CVPR2020-Code: CVPR 2020 论文开源项目合集
weixin_39689297的博客
01-13 1004
CVPR2020-CodeCVPR 2020 论文开源项目合集，同时欢迎各位大佬提交issue，分享CVPR 2020开源项目关于往年CV顶会论文(如ECCV 2020、CVPR 2019、ICCV 2019)以及其他优质CV论文和大盘点，详见： https://github.com/amusi/daily-paper-computer-visionCNNExploring Self-attent...
（八：2020.08.27）CVPR 2020 追踪之论文纲要（译）
热门推荐
Jojo论文基地
08-27 1万+
CVPR 2019 追踪之论文纲要（修正于2020.08.27）讲在前面论文目录 讲在前面 论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这1400篇的论文做一个大致从名称上的筛选，希望能找到些能解决当前问题的答案。 论文链接建议直接Google论文名，比去各种论文或顶会网站找不知道快捷多少。 Respect！ 论文目录 论文 概要 12-in-1 - Multi-Task Vision and Language Repre
复杂环境下的人脸识别Deep Learning Face Attributes in the Wild
04-08
Predicting face attributes in the wild is challenging due to complex face variations. We propose a novel deep learning framework for attribute prediction in the wild. It cascades two CNNs, LNet and ANet, which are fine- tuned jointly with attribute tags, but pre-trained differently. LNet is pre-trained by massive general object categories for face localization, while ANet is pre-trained by massive face identities for attribute prediction. This framework not only outperforms the state-of-the-art with a large margin, but also reveals valuable facts on learning face representation.
SAMNet: Stereoscopically Attentive Multi-scale Network for Lightweight Salient Object Detection
chen_Huiling的博客
06-16 1758
SAMNet: Stereoscopically Attentive Multi-scale Network for Lightweight Salient Object Detection 显著性物体检测的轻量级立体注意力多尺度网络 原文链接：https://www.researchgate.net/publication/350161009_SAMNet_Stereoscopically_Attentive_Multi-Scale_Network_for_Lightweight_Salient_Obje
MSDNet（Multi-Scale Dense Convolutional Networks）算法笔记
AI之路
09-16 1万+
论文：Multi-Scale Dense Convolutional Networks for Efficient Prediction 论文链接：https://arxiv.org/abs/1703.09844 代码地址：https://github.com/gaohuang/MSDNetDenseNet的一作的作品，先来聊聊文章的出发点。对于分类网络的测试而言，有些输入图像是网络容易分类的，
[论文阅读] Stereoscopically Attentive Multi-scale Network for Lightweight Salient Object Detection
xiongxyowo的博客
07-25 877
论文地址：https://dx.doi.org/10.1109/TIP.2021.3072811 代码：https://mmcheng.net/SAMNet 发表于：TIP 2021 Abstract Motivation Network Architecture Experiment 性能超越了X个最近模型，包括。 Summary Ref
深度估计论文阅读_Multi-Scale Deep Network
July1998的博客
09-24 500
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 深度估计论文阅读_Multi-Scale Deep Network前言一、创新点二、具体分析1.粗细结合的网络架构2.尺度不变误差三、编程 前言 本篇博客主要对Depth Map Prediction from a Single Image using a Multi-Scale Deep Network进行理解和复现。这篇文章发表于NIPS 2014，作者David Eigen。 一、创新点 将神经网络结构分为两个部分：预测全局特征
Detection论文总结（2）AutoFocus: Efficient Multi-Scale Inference
volga_chen的博客
12-23 3160
论文链接： 论文目录AutoFocus: Efficient Multi-Scale Inference引言相关研究背景](论文目录) AutoFocus: Efficient Multi-Scale Inference 文章提出了AutoFocus，一种高效的多尺度目标检测算法。相较于以前对整个图像金字塔进行处理，该方法以一种由表及里的姿态，仅处理哪些整体上看来很有可能存在小物体的区域。这个可以...
文献阅读:Multi-scale Residual Network for Image Super-Resolution
暮日落流年的博客
01-05 4664
文章地址： http://openaccess.thecvf.com/content_ECCV_2018/html/Juncheng_Li_Multi-scale_Residual_Network_ECCV_2018_paper.html 作者的项目地址： MSRN-PyTorch 1 简单介绍     在这篇论文中，作者从重建经典的超分辨率模型开始讲起，包...
多尺度空间
AI.PLAY
10-30 5327
1.图像的尺度 这里图像的尺度并非指图像的大小，而是指图像的模糊程度，例如，人近距离看一个物体和远距离看一个物体模糊程度是不一样的，从近距离到远距离图像越来越模糊的过程，也是图像的尺度越来越大的过程。2.尺度空间的作用 1.用机器视觉系统分析未知场景时，计算机并不预先知道图像中物体的尺度。我们需要同时考虑图像在多尺度下的描述，获知感兴趣物体的最佳尺度。 2.不同的尺度下都有同样的关键点，那么在
end-to-end object detection with fully convolutional network
最新发布
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...
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