人脸检测和识别的性能影响和损坏,因为阻塞经常导致漏检。减少面部遮挡造成的识别精度和提高人脸检测的准确性,视觉注意力机制指导模型本文提出了利用视觉注意力机制指导模型突出了阻挡的可见区域的脸;人脸检测问题简化到高层语义特征检测问题通过分析改善网络,和脸的位置和规模预测的激活地图,以避免额外的参数设置。大量的仿真实验结果表明,我们的方法优于其他比较算法对遮挡人脸检测和识别的准确性在脸上数据库。此外,我们提出的方法之间实现更好的平衡检测精度和速度,可用于安全领域的监测。
仍然有一些挑战性的问题在人脸检测和识别技术主要是由于非刚性的特征和复杂背景的影响
gydF4y2Ba基于机器学习的人脸检测和识别模型是计算机视觉领域的一个热门研究方向(
gydF4y2Ba大多数卷积神经网络使用一个分类损失函数来测量预测值和实际值之间的差异,然后通过训练过程完成图像的分类,扩大不同类型的图像之间的距离。王等人。
gydF4y2Ba虽然上述方法可以解决一些nonlimiting问题,它在收敛速度表现不佳,特别是在网络层的数量太大,和梯度消失现象就会发生。为了解决这类问题,苏et al。
针对问题,阻塞影响人脸检测和识别的准确性,提出了一种深和多层次特征融合网络。这个网络使用视觉注意力机制指导模型强调的可见区域遮挡脸;检测识别问题可以简化为一个高级语义特征检测问题,和脸的位置和规模预计通过激活地图,避免额外的参数设置。大量的仿真实验结果表明,该方法比现有的主流方法检测和识别的闭塞的脸在公共数据集和取得了更快的检测速度,可用于安全领域的监测。
gydF4y2Ba本研究的创新总结如下:
针对检测遗漏造成的阻塞在人脸检测中,提出了一种解决方案,即,一个视觉注意力机制指导模型,提出了利用视觉注意力机制指导模型强调的可见区域挡住了脸,从而提高人脸检测和识别精度。
YOLO-V3网络是更好的深度学习模型在目标识别领域,网络逐渐从YOLO和YOLO-V2网络[意思
gydF4y2BaYOLO检测意思模型如图