针对通用目标检测方法YOLO(you only look once)直接应用到人脸检测中存在召回率不够高、定位不够准确的问题,提出一种由密集到稀疏的多尺度并行的网络结构。通过不同尺度的网络检测不同尺寸的人脸,解决召回率不够高的问题,通过平均多...针对通用目标检测方法YOLO(you only look once)直接应用到人脸检测中存在召回率不够高、定位不够准确的问题,提出一种由密集到稀疏的多尺度并行的网络结构。通过不同尺度的网络检测不同尺寸的人脸,解决召回率不够高的问题,通过平均多尺度网络的检测结果解决定位不够准确的问题。引入中心损失函数,减小类内距离,进一步提高分类准确率。实验结果表明,在不同的数据集上,该方法的召回率及定位准确性相对于YOLO有所提高,检测精度接近主流方法的同时检测速度具有明显优势。展开更多
文摘针对通用目标检测方法YOLO(you only look once)直接应用到人脸检测中存在召回率不够高、定位不够准确的问题,提出一种由密集到稀疏的多尺度并行的网络结构。通过不同尺度的网络检测不同尺寸的人脸,解决召回率不够高的问题,通过平均多尺度网络的检测结果解决定位不够准确的问题。引入中心损失函数,减小类内距离,进一步提高分类准确率。实验结果表明,在不同的数据集上,该方法的召回率及定位准确性相对于YOLO有所提高,检测精度接近主流方法的同时检测速度具有明显优势。
