摘要
在日常生活中，有很多人脸相关的应用如人脸美化／人脸支付等等，随着计算机和智能手机的使用，逐渐普及开来。越来越多的人关注到人脸领域。但在非控制场景下，人脸检测问题并没有被很好的解决。
本文首先阐述人脸检测领域的研究意义和背景。之后介绍了人脸检测的研究状况和深度学习相关的原理和模型，以及在人脸检测中使用人工神经网络的一些算法。随后，本文提出了一个人脸检测框架，并介绍了两种人脸检测模型的网络拓扑结构：分类网络和校正网络。同时，为了加速人脸检测，引入了两种人脸检测加速算法，介绍了感知域以及热度图。
该算法在公开人脸检测数据集FDDB数据集上取得较好的结果，给出了与其它算法的比较。
关键词：人脸检测，卷积神经网络，深度学习
Abstract
In our daily life, more and more facial applications such as automatically ps, facial pay are popular and we can use them even on microphone. So a growing number of researchers begin to focus on this domain. However, face detection under uncontrolled environment has not been solved perfectly.
This paper first review some basic problems and history in face detection domain. After that, some essential theories and tools about deep learning and face detection will be introduced. Further more, this paper propose a face detection pipeline and introduce two kinds of neural network: classify-net and calibrate-net. To accelerate face detection, two accelerate algorithm has been used which is about reception-field and heat-map.
This algorithm has a competitive result on FDDB dataset which is compared with other algorithm. And this paper has an open source code on Github website[].
Key words: Face Detection, Convolution neural network, Deep learning
目录
第一章 引言 6
1.1人脸检测研究背景与意义 6
1.2人脸检测的研究状况 8
1.3本文的组织结构 13
1.4本章小结 13
第二章 人脸检测算法 14
2.1人脸检测流水线架构 14
2.2 分类网络 17
2.2.1 12net 17
2.2.2 24net 18
2.2.3 48net 19
2.3 校正网络 21
2.3.1 12netc 21
2.3.2 24netc 22
2.3.3 48netc 23
2.4 非极大化压制算法 24
2.5 本章小结 25
第三章 人脸检测加速算法 26
3.1 热度图策略 26
3.2 mex加速 27
3.3 本章小结 28
第四章 实验与思考 29
4.1 分类网络的训练数据 29
4.2 校正网络的训练数据 30
4.3 实验结果 30
4.4 实验速度分析 32
4.5 无监督聚类测试 33
4.6关于阈值的选取 34
4.7 本章小结 34
第五章 总结和展望 35
5.1 实验历程总结 35
5.2 人脸检测展望 35
参考文献 36
致谢 38
附录 39