基于改进的Cascade R-CNN算法的低光照人脸检测方案

摘要

对低光照条件下图像中的人脸进行检测是当前人脸识别及其衍生技术中十分重要且具有挑战性的任务。该任务的难度在于低光照条件下摄像头能见度低、信号细节损失严重、目标检测难。针对上述问题,本文提出一种改进的Cascade R-CNN算法,以提升低光照条件下人脸检测精度。首先,使用K-Means算法对数据中的真实标注框进行聚类,从而对Cascade R-CNN中的锚框尺寸进行修正,其次,在Cascade R-CNN网络中添加增加反卷积层提升小目标识别精度;最后使用多种训练技巧进行组合,提升识别精度。实验结果表明,经过改进的Cascade R-CNN模型,与使用原始的Cascade R-CNN算法进行检测相比mAP提升了36.8%。