CVPRApr, 2022

现实临床环境下鲁棒的新生儿面部检测

PDF
TL;DR本文通过使用专有数据集对 You-Only-Look-Once（YOLO）算法进行训练，实现了对新生儿面部特征的快速准确检测，进而为自动化系统（例如疼痛识别和监控）提供帮助。
face detectionneonatalyoloreal-timeautomated systems
发现论文，激发创造
  • 极端环境下的人脸检测：机器学习方法

    本文提出一种深层级联多任务框架，通过三层深度卷积神经网络的分级设计，在对人脸和人脸特征区域进行预测的粗到细的过程中，利用其中的内在相关性以提高人脸检测和特征点定位的性能，在学习过程中还采用一种新型的在线困难样本挖掘方法，能够自动提高性能而无需手动样本选择。

    Jan, 2022

  • 利用深度学习方法实时检测口罩：预防 Covid 19

    利用深度学习，我们提出了一种在实时场景中检测口罩的技术，适用于通过网络摄像头记录的静止或动态的单人或多人框架，我们的模型准确率高达 99%（白天的单人）至 74%（夜晚的多人）。

    Jan, 2024

  • 在真实场景中检测卷积神经网络生成的人脸图像

    研究表明，基于 CNN 的检测方法在现实场景中的鲁棒性还不足，本研究提出了一个跨模型、跨数据和后处理评估框架，并评估了最先进的检测方法，同时还探讨了常用的图像预处理方法及人类对于 CNN 生成图像的检测表现及影响因素。

    May, 2020

  • 基于深度学习的人脸检测：一种改进的 Faster RCNN 方法

    利用深度学习技术提高了 faster RCNN 的性能，实现人脸检测领域的最新技术并在 FDDB 数据集上表现出优异的 ROC 曲线。

    Jan, 2017

  • 边缘实时视频处理实现未成年人隐私保护

    本文提出的面向边缘监控系统的深度学习模型在识别儿童方面具有 92.1% 的分类准确率，可实施相应的隐私保护措施，解决了 CCTV 摄像头收集个人信息引起的隐私问题。

    May, 2020

  • 基于深度学习的 COVID-19 疫情期间佩戴口罩检测

    本文探讨了使用三种最先进的目标检测神经网络在实时应用中用于口罩检测的能力，并在只有 1531 张图片的三个单独的类别的数据集上，通过使用 YOLOv4-tiny 模型获得了 85.31% 和 50.66 的平均精度和秒数，分别是其他最近研究的最佳模型。

    Apr, 2023

  • 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

  • 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

  • 高效人脸检测技术评估与综述

    本文介绍了基于深度学习的人脸检测方法，并详细分析了其准确性和效率，同时对多个数据集和评估指标进行了比较和讨论，旨在指导如何选择适合不同应用的人脸检测器并开发更加高效和准确的检测器。

    Dec, 2021

  • 人脸 R-CNN

    提出了一种基于 Faster R-CNN 的深度人脸检测方法，通过新的多任务损失函数设计、在线困难样本挖掘和多尺度训练策略等多种技术手段，名为 Face R-CNN 的方法在 FDDB 和 WIDER FACE 两个人脸检测基准测试中证明了在多方面的优越性。

    Jun, 2017