[发明专利]一种基于Fast R-CNN的人脸检测方法在审
| 申请号： | 201910341798.9 | 申请日： | 2019-04-26 |
| 公开（公告）号： | CN110222562A | 公开（公告）日： | 2019-09-10 |
| 发明（设计）人： | 李润鑫;周兵;杨旭 | 申请（专利权）人： | 昆明理工大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 650093 云*** | 国省代码： | 云南;53 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 人脸目标 人脸检测 卷积 卷积神经网络 场景图像 传统检测 检测问题 手工特征 特征替代 特征选择 训练模型 强相关 训练集 检测 视觉 配合 网络 学习 图片 | ||
1.一种基于Fast R-CNN的人脸检测方法，其特征在于：所述方法步骤如下：
Step1、获取人脸图片集，将人脸图片集分成测试集和训练集，并对测试集和训练集设定标签；
Step2、对训练集进行object proposals提取；其中object proposal提取采用selective search方法；
Step3、选定CNN网络结构，利用VOC数据集进行预训练，得到预训练模型；
Step4、将训练集其对应的标签，以及 object proposals 作为输入，通过Fast R-CNN对预训练模型进行二次训练，得到最终的人脸目标检测模型；
Step5、利用测试集对人脸目标检测模型进行测试，得到人脸检测结果。
2.根据权利要求1所述的基于Fast R-CNN的人脸检测方法，其特征在于：所述objectproposals提取采用selective search方法。
3.根据权利要求1所述的基于Fast R-CNN的人脸检测方法，其特征在于：所述CNN网络结构采用了VGG16。
4.根据权利要求3所述的基于Fast R-CNN的人脸检测方法，其特征在于：所述VGG16采用softmax分类器做训练，激活函数使用线性整流函数，采用批量标准化对权重参数和偏置参数进行迭代训练，设置权重衰减速率weight_decay默认为0.0001，批量标准化的衰减速率默认为0.997，池化层采用最大池化方式，同时将最大池化的Padding的模式设为SAME。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于昆明理工大学，未经昆明理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910341798.9/1.html，转载请声明来源钻瓜专利网。
