基于多任务级联卷积网络的视觉检测

摘要

人脸的检测和对准具,由于各种姿态、光照和遮挡,在无约束环境中人脸的检测和对准具有很大的难度。很难在不定的环境中保持相对稳定的计算,得出令人信服的结果。然而在特定环境下,相对稳定的光照、无遮挡的环境下。其结果的准确性与稳定性尤为突出。在我的系统里,使用了得当的框架,更加强烈的满足了这一特定条件。在本文中,我们提出了一个深层级联的多任务框架,利用它们之间的内在关联来提高它们的性能。尤其是,我们的框架采用级联结构,具有三个精心设计的深卷积网络,该网络以粗到细的方式预测人脸和地标位置。此外,在学习过程中我们提出了一种新的在线硬样本挖掘策略,可以自动提高性能,而无需人工选择样本。采用的FDDB和WIDER FACE人脸检测基准以及AFLW人脸对准基准上,使我们的方法获得了更高的精度,同时保持了实时性能。