復(fù)雜背景下小尺寸多角度人臉檢測(cè)方法研究
所屬分類(lèi)：技術(shù)論文
上傳者：wwei
文檔大?。?span>234 K
標(biāo)簽： 人臉檢測(cè) 多任務(wù)級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò) 輕量化網(wǎng)絡(luò)
所需積分：0分積分不夠怎么辦,？
文檔介紹：為了提升復(fù)雜背景下小尺寸人臉檢測(cè)精度,，提出了一種人臉檢測(cè)方法GhostNet-MTCNN,。在多任務(wù)級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)（MTCNN）主干網(wǎng)絡(luò)上,，將占用計(jì)算資源的普通卷積進(jìn)行舍棄,，利用GhostNet網(wǎng)絡(luò)中計(jì)算量更低的Ghost bottleneck模組替代卷積的作用,，重新構(gòu)建網(wǎng)絡(luò)特征提取功能,，從而搭建一個(gè)新的模型,。實(shí)驗(yàn)結(jié)果表明，該方法可以有效平衡參數(shù)量和精度,。在Easy,、Medium,、Hard三種驗(yàn)證集上，與MTCNN相比在參數(shù)量?jī)H增加0.62M的前提下精度分別提升了 5.6%,、6.6%,、7.8%，與MobileNetV3-MTCNN相比在參數(shù)量減少1.27M的同時(shí)精度又分別提升了1.6%,、0.8%,、0.5%。該研究能夠在復(fù)雜場(chǎng)景下提高模型對(duì)小尺寸,、多角度人臉檢測(cè)精度,，同時(shí)也能夠有效平衡參數(shù)量和檢測(cè)精度使其成為在邊緣設(shè)備部署中更優(yōu)的選擇。
現(xiàn)在下載
VIP會(huì)員,，AET專(zhuān)家下載不扣分,；重復(fù)下載不扣分，本人上傳資源不扣分,。