卷积神经网络级联_第1页
卷积神经网络级联_第2页
卷积神经网络级联_第3页
卷积神经网络级联_第4页
卷积神经网络级联_第5页
已阅读5页，还剩9页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

卷积神经网络级联面部测试源cvpr 2015 papareaverconveralnetralnetcadforfacedetectionhaoxiangli，ZheLin，XiaohuiShen，JonathanBrandt 成员：介绍刘波、金壮、陈楠、松寨一、CNN二，基于CNNN检测脸部三，显示最终结果，另一方面，CNN1.1CNN原理1-1，1.2CNN的模型(1)卷积通过卷积核后，一个多重权重参数的图像后，权重参数较少如图1-1所示，在55幅图像与33幅卷积核心进行卷积运算之后，输出被称为特征图的33个矩阵。 这个扫描可以有重叠部分，就像你的视线是连续的一样。(2)池化的作用是特征图，即减小压缩，池化的规模一般为22。 典型的池化方法是最大值池化和平均池化。 其中最大值池化是取22中4点的最大值的平均池化是取22中4点的平均值。 图1-2是池塘规模1010的特征量图处理，在图中采用1，其中最大的特征量值是指示区域的特征量。 图1-2、(3)光栅化图像通过卷积、水池化得到的是一些列的特征图，但由于传感器输入的是向量，因此有必要依次取出这些特征图的像素并排列向量。1.3CNN的优点传统检测人脸是一种基于多种模型的检测方法，经过一系列训练和验证提高了原模型，实现了更先进的检测精度。 CNNN与传统的基于模型的方法不同，CNNN具有强大的学习功能，因此不是手工创建模型，而是能够直接从图像中学习分类器，更好地区分混乱背景中的面部，同时我们的检测器比基于模型和基于样本的检测系统快几倍.实现基于CNN检测人脸的2.1整体介绍结构，三级联上图是人的检测过程： (1)原始图像通过12网络和12校正网络使用NMS去除重叠框，剩馀的图像被整理。 (2)整理后的图像再通过24网络和24校正网络后，使用NMS去除重叠块，再次进行裁剪和整理。 (3)整理后的图像通过48网络后，在全球NMS中得到了唯一的面部框架，通过48校准网络后，得到了最终的面部框架。2.212网络12网络是第一个CNN，12网络是非常浅的二进制分类CNN，用于快速扫描测试图像。 该检测窗口为1212，以4个像素间隔扫描WH图像等效于在12个网络上扫描整个图像(W-12)/4 1)(H-12)/4 1 )在可靠度得分图上的所有点是1212个检测窗口。 CNNN结构图，2.312校验网络12校验网络是指接入12网络的CNNN用于面部框架校验的浅CNNN。 首先，定义n。 这是n个校正模式的三维缩放变化和偏移设置向量。 sn，xn，yn nn=1sn0. 83，0.91，1.0，1.10，1.21 xn0. 17，0，0.17 n=533=45yn0. 17，0，0.17 ，12校准网络的输入图像为n模式中的任意一个模式参数通过12网络的校正得到置信度分数C1，经过n次，得到C1，c2，
人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论