[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: | 本发明公开了一种基于Fast R‑CNN的人脸检测方法,本发明采用多图片构成的训练集通过object proposals进行提取,并通过CNN网络进行预训练,并配合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,该模型可以对与视觉任务强相关新场景图像进行效果良好的人脸目标检测。综上,本发明结合深度学习卷积神经网络思想,利用卷积特征替代传统手工特征,避免了传统检测问题中特征选择问题,深层卷积特征具有更好的表达能力,同时为解决人脸目标检测问题提供了更加泛化和简洁的思路。 | ||
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 | ||
【主权项】:
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。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
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/patent/201910341798.9/,转载请声明来源钻瓜专利网。