一种融合上下文信息特征的改进MTCNN人脸检测算法

摘要

在课堂场景下,针对多任务卷积神经网络(multi-task convolutional neural network,MTCNN)人脸检测算法对小人脸检测率较低的问题,提出一种改进的MTCNN算法。首先,对MTCNN算法网络模型的R-Net层网络集成上下文信息卷积模块,扩大特征图感受野获取更多小人脸信息;其次,引入反卷积层与最大池化层,以解决特征融合数据维度不一致问题;最后,对MTCNN算法网络模型的O-Net层网络集成上下文信息卷积模块,进一步提取小人脸特征信息,并引入2个卷积池化层进行特征融合。实验结果表明:与MTCNN算法相比,所提方法在FDDB数据集上检测精度提升3%,在课堂场景数据集上人脸检测召回率与F_(1)分数分别提升8.69%和4.94%。