Jun, 2017

尺度友好的深度卷积神经网络进行人脸检测

PDF
TL;DR本篇论文介绍了一种基于卷积神经网络设计的人脸检测器，该检测器可以处理极大范围内尺度大小的人脸，所设计的深度卷积神经网络结构可以模拟不同尺度的人脸，且经过训练后在 WIDER FACE 和 FDDB 数据集中表现出优异性能，其模型的输入不需要图像金字塔，拥有适度的复杂度，实用性标准时间内运行。
convolutional networkface detectordeep learningimage processingcomputer vision
发现论文，激发创造
  • 尺度感知人脸检测

    该研究提出了一种基于 CNN 的面部检测器，可以通过预测面部的尺度分布直方图来显式处理不同尺度的面部，从而实现更好的检测效果和更少的计算成本。

    Jun, 2017

  • S$^3$FD: 单次检测尺度不变人脸检测器

    本文介绍了一种名为 Single Shot Scale-invariant Face Detector 的实时人脸检测器，它通过单个深度神经网络在各种尺度的人脸上表现出色，特别是对小尺寸的人脸有良好的检测效果。我们在提出一个尺度平等的人脸检测框架、通过尺度补偿锚匹配策略和最大化背景标签的方式来提高小尺寸人脸的召回率和减少假阳性率。通过 AFW、PASCAL face、FDDB 和 WIDER FACE 数据集的评测结果，该方法达到了当今最先进的检测性能，并可在 Nvidia Titan X (Pascal) 上为 VGA 分辨率图像提供 36 FPS 的响应速度。

    Aug, 2017

  • 面向非约束人脸检测的深度学习框架

    本文提出了一种名为 MS-FRCNN 的新方法，它可以鲁棒地检测在面临各种困难的情况下搜集的图像中的人类面部区域，基于 Wider Face 数据库和 Face Detection 数据集与基准（FDDB）对比表明，该方法在各种情况下相对于其他最新的人脸检测方法，始终保持高度竞争力的最新表现。

    Dec, 2016

  • 使用深度卷积神经网络进行多视角人脸检测

    本文提出了一种基于卷积神经网络的 Deep Dense Face Detector (DDFD) 方法，不仅不需要姿态或者地标注释，而且能够探测多个视角下人脸的位置，并且表现出与其他方法相当或优于其他更为复杂的方法。

    Feb, 2015

  • 多尺度级联全卷积网络人脸检测器

    本研究提出一种基于全卷积神经网络的三级级联结构，采用多尺度全卷积网络生成得分图，使用可能区域而非建议直接连接下一级级联，通过使用得分图可以在公共数据集上获得强大的人脸检测性能。

    Sep, 2016

  • 寻找微小人脸

    该论文探讨了物体识别中探测小物体的挑战，重点考察了尺度不变性、图像分辨率、语境推理等方面，并通过训练深度网络实现了在小脸检测方面的突破，在 FDDB 和 WIDER FACE 数据集上实现了优异的结果。

    Dec, 2016

  • 人脸识别的 Web 规模训练

    本文研究了深度卷积网络在人脸识别中的性能，发现网络的 “瓶颈” 结构对于迁移学习具有重要作用，并提出了一种解决方法，即用自助法取代随机子采样；同时还发现了表示范数和目标域判别能力之间的联系，并基于这些发现，在目前最流行的人脸识别数据集 LFW 上取得了优秀的性能，甚至超越了商用系统。

    Jun, 2014

  • 基于深度学习的面部部位响应到人脸检测的转换

    本文提出了一种新颖的深度卷积网络，通过对面部部位响应的空间结构和排列进行评分机制，从新的角度寻找面部，并考虑到挑战性情况下的面部检测，如严重遮挡和不受约束的姿势变化，以实现在 FDDB，PASCAL Face 和 AFW 数据集上出色的表现。

    Sep, 2015

  • 在困难图像上训练小面孔以实现强大的人脸检测

    本文提出了一种基于锚点的深度人脸检测器，通过在 hard images 上学习 small faces，并采用新型的 hard image mining 训练方法，在 WIDER FACE、FDDB、Pascal Faces 和 AFW 数据集上进行了实验，证明了该方法对 hard faces 检测的有效性。

    Nov, 2018

  • 深度神经网络进行的人脸识别（DeepID3）

    本篇论文提出使用 DeepID3 算法来进行人脸识别，使用了卷积神经网络和 Inception 层，并采用监督信号技术来训练神经网络，最终取得了 99.53% 的 LFW 人脸验证准确率和 96.0% 的 LFW 排名 1 的人脸识别准确率。

    Feb, 2015