色哟哟视频在线观看-色哟哟视频在线-色哟哟欧美15最新在线-色哟哟免费在线观看-国产l精品国产亚洲区在线观看-国产l精品国产亚洲区久久

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
电子发烧友
开通电子发烧友VIP会员 尊享10大特权
海量资料免费下载
精品直播免费看
优质内容免费畅学
课程9折专享价
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

深度學習在人臉檢測中的應用

WpOh_rgznai100 ? 來源:YXQ ? 2019-07-08 09:54 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

在目標檢測領域,可以劃分為人臉檢測與通用目標檢測,往往人臉這方面會有專門的算法(包括人臉檢測、人臉識別、人臉其他屬性的識別等),并且和通用目標檢測(識別)會有一定的差別。這主要來源于人臉的特殊性(譬如有時候目標比較小、人臉之間特征不明顯、遮擋問題等),本文將主要從人臉檢測方面來講解目標檢測。

目前主要的人臉檢測方法分類

當前,人臉檢測方法主要包含兩個區域:傳統人臉檢測算法和基于深度學習的人臉檢測算法。傳統人臉檢測算法主要可以分為 4 類:

基于知識的人臉檢測方法;

基于模型的人臉檢測方法;

基于特征的人臉檢測方法;

基于外觀的人臉檢測方法。

2006 年,Hinton 首次提出深度學習(Deep Learning)的概念,它是通過組合低層的特征形成更高層的抽象特征。隨后研究者將深度學習應用在人臉檢測領域,主要集中在基于卷積神經網絡(CNN)的人臉檢測研究,如基于級聯卷積神經網絡的人臉檢測(Cascade CNN)、基于多任務卷積神經網絡的人臉檢測(MTCNN)、Facebox 等,很大程度上提高了人臉檢測的魯棒性。

當然,像Faster RCNN、YOLO、SSD等通用目標檢測算法也有用在人臉檢測領域,也可以實現比較不錯的結果,但是和專門人臉檢測算法比還是有差別。

如何檢測圖片中不同大小的人臉?

傳統人臉檢測算法中針對不同大小人臉主要有兩個策略:

縮放圖片的大小(圖像金字塔如圖 1 所示);

圖1 圖像金字塔

縮放滑動窗的大小(如圖 2 所示)。

圖 2 縮放滑動窗口

基于深度學習的人臉檢測算法中,針對不同大小人臉主要也有兩個策略,但和傳統人臉檢測算法有點區別,主要包括:

縮放圖片大小:不過也可以通過縮放滑動窗的方式,基于深度學習的滑動窗人臉檢測方式效率會很慢存在多次重復卷積,所以要采用全卷積神經網絡(FCN),用 FCN 將不能用滑動窗的方法。

通過 anchor box 的方法:如圖 3 所示,不要和圖 2 混淆,這里是通過特征圖預測原圖的 anchorbox 區域,具體在 Facebox 中有描述。

圖 3 anchor box

如何設定算法檢測最小人臉尺寸?

主要是看滑動窗的最小窗口和 anchorbox 的最小窗口。

滑動窗的方法

假設通過 12×12 的滑動窗,不對原圖做縮放的話,就可以檢測原圖中 12×12 的最小人臉。

但是往往通常給定最小人臉 a=40、或者 a=80,以這么大的輸入訓練 CNN 進行人臉檢測不太現實,速度會很慢,并且下一次需求最小人臉 a=30*30 又要去重新訓練,通常還會是 12×12 的輸入,為滿足最小人臉框 a,只需要在檢測的時候對原圖進行縮放即可:w=w×12/a。

anchorbox 的方法

原理類似,這里主要看 anchorbox 的最小 box,通過可以通過縮放輸入圖片實現最小人臉的設定。

如何定位人臉的位置

滑動窗的方式:

滑動窗的方式是基于分類器識別為人臉的框的位置確定最終的人臉。

圖 4 滑動窗

FCN 的方式:

通過特征圖映射到原圖的方式確定最終識別為人臉的位置,特征圖映射到原圖人臉框是要看特征圖相比較于原圖有多少次縮放(縮放主要查看卷積的步長和池化層)。

假設特征圖上(2,3)的點,可粗略計算縮放比例為 8 倍,原圖中的點應該是(16,24);如果訓練的 FCN 為 12*12 的輸入,對于原圖框位置應該是(16,24,12,12)。

當然這只是估計位置,具體的在構建網絡時要加入回歸框的預測,主要是相對于原圖框的一個平移與縮放。

通過 anchor box 的方式:

通過特征圖映射到圖的窗口,通過特征圖映射到原圖到多個框的方式確定最終識別為人臉的位置。

如何通過一個人臉的多個框確定最終人臉框位置?

圖 5 通過 NMS 得到最終的人臉位置

NMS 改進版本有很多,最原始的 NMS 就是判斷兩個框的交集。如果交集大于設定的閾值,將刪除其中一個框。

那么兩個框應該怎么選擇刪除哪一個呢?因為模型輸出有概率值,一般會優選選擇概率小的框刪除。

基于級聯卷積神經網絡的人臉檢測(Cascade CNN)

Cascade CNN 的框架結構是什么?

級聯結構中有 6 個 CNN,3 個 CNN 用于人臉非人臉二分類,另外 3 個 CNN 用于人臉區域的邊框校正。

給定一幅圖像,12-net 密集掃描整幅圖片,拒絕 90% 以上的窗口。剩余的窗口輸入到 12-calibration-net 中調整大小和位置,以接近真實目標。接著輸入到 NMS 中,消除高度重疊窗口。下面網絡與上面類似。

Cascade CNN 人臉校驗模塊原理是什么?

該網絡用于窗口校正,使用三個偏移變量:

Xn:水平平移量,Yn:垂直平移量,Sn:寬高比縮放。

候選框口(x,y,w,h)中,(x,y)表示左上點坐標,(w,h)表示寬和高。

我們要將窗口的控制坐標調整為:

這項工作中,我們有種模式。偏移向量三個參數包括以下值:

同時對偏移向量三個參數進行校正。

訓練樣本應該如何準備?

人臉樣本;

非人臉樣本。

級聯的好處

最初階段的網絡可以比較簡單,判別閾值可以設得寬松一點,這樣就可以在保持較高召回率的同時排除掉大量的非人臉窗口;

最后階段網絡為了保證足夠的性能,因此一般設計的比較復雜,但由于只需要處理前面剩下的窗口,因此可以保證足夠的效率;

級聯的思想可以幫助我們去組合利用性能較差的分類器,同時又可以獲得一定的效率保證。

基于多任務卷積神經網絡的人臉檢測(MTCNN)

MTCNN 模型有三個子網絡,分別是 P-Net,R-Net,O-Net。

為了檢測不同大小的人臉,開始需要構建圖像金字塔,先經過 PNet 模型,輸出人臉類別和邊界框(邊界框的預測為了對特征圖映射到原圖的框平移和縮放得到更準確的框),將識別為人臉的框映射到原圖框位置可以獲取 patch,之后每一個 patch 通過 resize 的方式輸入到 RNet,識別為人臉的框并且預測更準確的人臉框,最后 RNet 識別為人臉的的每一個 patch 通過 resize 的方式輸入到 ONet,跟 RNet 類似,關鍵點是為了在訓練集有限情況下使模型更魯棒。

還要注意一點:構建圖像金字塔的的縮放比例要保留,為了將邊界框映射到最開始原圖上。

Facebox

(1)Rapidly Digested Convolutional Layers(RDCL)

在網絡前期,使用 RDCL 快速的縮小 feature map 的大小。主要設計原則如下:

Conv1, Pool1, Conv2 和 Pool2 的 stride 分別是 4, 2, 2 和 2。這樣整個 RDCL 的 stride 就是 32,可以很快把 feature map 的尺寸變小。

卷積(或 pooling)核太大速度就慢,太小覆蓋信息又不足。權衡之后,將 Conv1, Pool1, Conv2 和 Pool2 的核大小分別設為 7x7,3x3,5x5,3x3。

使用 CReLU 來保證輸出維度不變的情況下,減少卷積核數量。

(2)Multiple Scale Convolutional Layers(MSCL)

在網絡后期,使用 MSCL 更好地檢測不同尺度的人臉。主要設計原則有:

類似于 SSD,在網絡的不同層進行檢測;

采用 Inception 模塊。由于 Inception 包含多個不同的卷積分支,因此可以進一步使得感受野多樣化。

(3)Anchor densification strategy

為了 anchor 密度均衡,可以對密度不足的 anchor 以中心進行偏移加倍,如下圖所示:

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 人臉識別
    +關注

    關注

    77

    文章

    4091

    瀏覽量

    84414
  • 深度學習
    +關注

    關注

    73

    文章

    5562

    瀏覽量

    122854

原文標題:深度學習在人臉檢測中的應用 | CSDN 博文精選

文章出處:【微信號:rgznai100,微信公眾號:rgznai100】歡迎添加關注!文章轉載請注明出處。

收藏 0人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關推薦
    熱點推薦

    基于RV1126開發板實現人臉檢測方案

    RV1126開發板上實現人臉檢測圖像找出人臉,以及每張
    的頭像 發表于 04-21 10:21 ?99次閱讀
    基于RV1126開發板實現<b class='flag-5'>人臉</b><b class='flag-5'>檢測</b>方案

    基于RV1126開發板實現人臉檢測方案

    RV1126上實現人臉檢測圖像找出人臉,以及每張人臉
    的頭像 發表于 04-18 16:47 ?277次閱讀
    基于RV1126開發板實現<b class='flag-5'>人臉</b><b class='flag-5'>檢測</b>方案

    使用OpenVINO?模型的OpenCV進行人臉檢測檢測到多張人臉時,伺服電機和步入器電機都發生移動是為什么?

    使用OpenVINO?模型的 OpenCV* 進行人臉檢測。 使用 cv2.矩形 函數,能夠獲取檢測到的面部的坐標。 檢測到多張人臉時,多
    發表于 03-07 06:35

    軍事應用深度學習的挑戰與機遇

    ,并廣泛介紹了深度學習兩個主要軍事應用領域的應用:情報行動和自主平臺。最后,討論了相關的威脅、機遇、技術和實際困難。主要發現是,人工智能技術并非無所不能,需要謹慎應用,同時考慮到其局限性、網絡安全威脅以及
    的頭像 發表于 02-14 11:15 ?550次閱讀

    人臉識別技術安全監控的應用

    的潛力和價值。 人臉識別技術原理 人臉識別技術主要依賴于計算機視覺和機器學習算法。它首先通過攝像頭捕捉人臉圖像,然后利用算法提取圖像的特征
    的頭像 發表于 02-06 17:25 ?1073次閱讀

    AI自動化生產:深度學習質量控制的應用

    生產效率、保證產品質量方面展現出非凡的能力。阿丘科技「AI干貨補給站」推出《AI自動化生產:深度學習質量控制的應用》文章,探討深度
    的頭像 發表于 01-17 16:35 ?717次閱讀
    AI自動化生產:<b class='flag-5'>深度</b><b class='flag-5'>學習</b><b class='flag-5'>在</b>質量控制<b class='flag-5'>中</b>的應用

    GPU深度學習的應用 GPUs圖形設計的作用

    隨著人工智能技術的飛速發展,深度學習作為其核心部分,已經成為推動技術進步的重要力量。GPU(圖形處理單元)深度學習
    的頭像 發表于 11-19 10:55 ?1659次閱讀

    如何用OpenCV的相機捕捉視頻進行人臉檢測--基于米爾NXP i.MX93開發板

    的是Haar特征人臉檢測,此外OpenCV還集成了深度學習方法來實現人臉
    發表于 11-15 17:58

    NPU深度學習的應用

    設計的硬件加速器,它在深度學習的應用日益廣泛。 1. NPU的基本概念 NPU是一種專門針對深度學習算法優化的處理器,它與傳統的CPU和G
    的頭像 發表于 11-14 15:17 ?1962次閱讀

    pcie深度學習的應用

    深度學習模型通常需要大量的數據和強大的計算能力來訓練。傳統的CPU計算資源有限,難以滿足深度學習的需求。因此,GPU(圖形處理單元)和TPU(張量處理單元)等專用硬件應運而生,它們通過
    的頭像 發表于 11-13 10:39 ?1382次閱讀

    GPU深度學習應用案例

    GPU深度學習的應用廣泛且重要,以下是一些GPU深度學習應用案例: 一、圖像識別 圖像識別是
    的頭像 發表于 10-27 11:13 ?1412次閱讀

    深度偽造人臉檢測項目

    各位 AI 愛好者們,準備好通過各種 AI 技術來應對一個迫切需要被解決的全球問題了嗎?MathWorks 誠邀您參加 2025 IEEE Signal Processing Cup 挑戰賽:“野外深度偽造人臉檢測”(DFWil
    的頭像 發表于 10-17 10:46 ?989次閱讀
    <b class='flag-5'>深度</b>偽造<b class='flag-5'>人臉</b><b class='flag-5'>檢測</b>項目

    FPGA做深度學習能走多遠?

    的發展前景較為廣闊,但也面臨一些挑戰。以下是一些關于 FPGA 深度學習應用前景的觀點,僅供參考: ? 優勢方面: ? 高度定制化的計算架構:FPGA 可以根據
    發表于 09-27 20:53

    深度識別人臉識別有什么重要作用嗎

    深度學習人臉識別技術是人工智能領域的一個重要分支,它利用深度學習算法來識別和驗證個人身份。這項技術
    的頭像 發表于 09-10 14:55 ?1165次閱讀

    深度識別人臉識別在任務為什么有很強大的建模能力

    深度學習人臉識別技術是人工智能領域中的一個重要分支,它利用深度學習算法來識別和驗證人臉。這項技術
    的頭像 發表于 09-10 14:53 ?861次閱讀
    主站蜘蛛池模板: 含羞草国产亚洲精品岁国产精品 | 99精品影院 | 国产精品涩涩涩视频网站 | 无码日韩人妻精品久久蜜桃免费 | 国产精品亚洲精品久久品 | 嫩草视频在线观看免费 | 午夜精品国产自在现线拍 | 精品久久久久中文字幕日本 | 3344永久在线观看视频免费 | 亚洲不卡高清免v无码屋 | 国产精品九九九久久九九 | 在线观看视频亚洲 | 国产精彩视频在线 | 乳交高H糙汉宠文 | 果冻传媒2021精品在线观看 | 国产亚洲精品视频在线网 | 国产午夜精品久久久久九九 | 亚洲国产区中文在线观看 | 儿媳妇完整版视频播放免费观看 | 国产91无毒不卡在线观看 | 国产精品成人观看视频免费 | 嫩草www视频在线观看高清 | 久久精品午夜一区二区福利 | jj插入bb| 国产性色AV内射白浆肛交后入 | 99热在线视频 | 午夜色情影院色a国产 | 69精品人妻一区二区三区蜜桃 | 哺乳期妇女挤奶水36d | 亚洲VA天堂VA欧美VA在线 | 精品午夜寂寞影院在线观看 | 伦理 电影在线观看百度影音 | xx在线观看 | 日产精品久久久久久久蜜殿 | 亚洲色视在线观看视频 | 欧美特级特黄a大片免费 | 亚洲色大成网站WWW永久麻豆 | 云南14学生真实初次破初视频 | 国产成人无码AV麻豆 | 99精品免费久久久久久久久蜜桃 | 成人免费在线观看视频 |

    電子發燒友

    中國電子工程師最喜歡的網站

    • 2931785位工程師會員交流學習
    • 獲取您個性化的科技前沿技術信息
    • 參加活動獲取豐厚的禮品