公共文化服务平台

搜索到5437篇“ 人脸检测算法“的相关文章

基于多任务联合学习的弱光场景人脸检测算法: 2025年; 弱光场景中的人脸检测指在弱光条件下使用图像处理技术检测人脸。目前,大多数弱光环境下的人脸检测算法通常先将弱光图像进行增强再进行人脸检测,忽略了人脸检测和图像增强任务之间的特征相关性,从而影响了模型泛化能力。受EnlightenGAN算法的启发,文中提出一种适用于弱光环境人脸检测的多任务联合学习算法:首先融合人脸检测和图像增强的输入层共享表示;其次将人脸注意力网络和EnlightenGAN相结合,在全局-局部判别器的基础上增加用于人脸区域判定的局部判别器;最后在自正则化注意力图的基础上增加光照权重参数,通过调节使人脸检测的精度达到最佳值。在DARK FACE数据集上的实验结果表明,与现有算法相比,所提算法的人脸检测精度提升了1.92%,同时能够很好地提升弱光图像视觉质量。; 张霞苏昭辉陈路; 关键词：弱光环境人脸检测图像增强

基于深度神经网络的高效人脸检测算法设计与实现: 2025年; 为解决大数据背景下,训练和测试数据日益庞杂,神经网络模型规模不断扩大,权重参数数量猛增,网络结构日益复杂,最终导致模型效率下降等问题,本文提出了一种人脸检测算法,充分利用了稀疏的小规模多尺度卷积核的优势来提高模型效率,并且加入了1x1的过滤器来降低权重维度。经实验证明,与现有模型相比,算法在不损失精度的情况下,权重数量大幅减少。; 张佳颖李爱军; 关键词：人脸检测

基于AI的人脸检测算法: 随着人工智能技术的快速发展,人脸监测技术在诸多领域得到广泛应用,如安防监控、人机交互等。本文旨在探讨基于OpenCV(开源计算机视觉库)的多主体人脸跟踪识别系统的设计与实现。文章介绍了系统的技术原理、方法以及实践应用。基...; 罗享李于江汪梦莎贺大彪李华锋; 关键词：OPENCV 人脸检测

基于SSD改进的域适应暗光人脸检测算法: 2024年; 人脸检测技术已经广泛应用于实际场景,然而在光照条件恶劣的情况下,人脸检测任务存在许多挑战,包括:人脸特征难以提取、可判别性差、标注数据分布不平衡等。针对上述问题,提出了基于SSD改进的域适应暗光人脸检测算法。首先,采用图像增强和域适应的方法缩小正常光数据和暗光数据分布之间的域差异;其次,基于SSD检测框架提出了一个基于注意力机制的特征增强模块;最后,针对原始特征图和增强特征图,提出渐近损失函数。实验结果表明,该方法在暗光环境下,相比目前主流的人脸检测方法,有更具竞争力的表现。; 张祖希吴金明祝永新; 关键词：人脸检测算法

基于改进YOLOv5s-face的Face5系列人脸检测算法被引量：2: 2024年; 针对人脸检测中小尺度人脸和遮挡人脸的漏检问题,提出了一种基于改进YOLOv5s-face(you only look once version 5 small-face)的Face5系列人脸检测算法Face5S(face5 small)和Face5M(face5 medium)。使用马赛克(mosaic)和图像混合(mixup)数据增强方法,提升算法在复杂场景下检测人脸的泛化性和稳定性;通过改进C3的网络结构和引入可变形卷积(DCNv2)降低算法的参数量,提高算法提取特征的灵活性;通过引入特征的内容感知重组上采样算子(CARAFE),提高多尺度人脸的检测性能;引入损失函数WIoUV3(wise intersection over union version 3),提升算法的小尺度人脸检测性能。实验结果表明,在WIDER FACE验证集上,相较于YOLOv5s-face算法,Face5S算法的平均mAP@0.5提升了1.03%;相较于先进的人脸检测算法ASFD-D3(automatic and scalable face detector-D3)和TinaFace,Face5M算法的平均mAP@0.5分别提升了1.07%和2.11%,提出的Face5系列算法能够有效提升算法对小尺度和部分遮挡人脸的检测性能,同时具有实时性。; 徐铭李华; 关键词：人脸检测损失函数

基于Haar⁃like特征的人脸检测算法研究与应用: 2024年; 随着社会信息化和智能化的不断发展,人脸检测技术逐渐成为目标检测领域的热点话题。研究方法包括文献研究法和理论分析法,该研究采用基于Haar⁃like特征的AdaBoost人脸检测算法,结合OpenCV计算机视觉开源库,旨在实现对目标图像中可能存在的人脸区域进行高效检测。Haar⁃like特征利用图像中的黑白相间区域来描述目标形状特征,结合AdaBoost算法能够提高人脸检测的准确性和鲁棒性。OpenCV开源库的使用使得算法实现更加便捷高效。经过实验证明,基于Haar⁃like特征的AdaBoost人脸检测算法不仅能够提高对人脸图像的检测率,还能够显著缩短人脸检测的时间,具有很高的实用价值。因此,基于Haar⁃like特征的AdaBoost人脸检测算法的研究和应用具有重要意义,对推动人脸识别技术的发展具有积极的推动作用。; 林齐发吴晨曦邹鑫; 关键词：人脸检测 ADABOOST算法

基于轻量化模型的人脸检测算法: 2024年; 针对现有人脸检测算法的准确性主要依赖于大规模参数的问题,提出了一种基于单阶段人脸检测算法Retinaface网络的人脸检测算法。该算法使用GhostNet作为Retinaface网络的特征提取网络,利用线性计算节约计算资源,以期提高计算效率;使用加权双向特征金字塔网络加强特征图之间的信息交互,增强模型的特征融合能力。在Widerface数据集上对原模型与改进后的模型进行测试,结果表明,与其他模型相比,改进后模型的精度较原模型提升最高7.35%。; 赵艳芹姜昊

改进YOLOv5的智慧课堂人脸检测算法: 2024年; 智慧课堂是人工智能领域热门的应用场景。针对课堂场景下摄像头位置较远且偏,图像中目标存在人脸过小和遮挡导致漏检或错检等问题,提出了一种改进YOLOv5的智慧课堂人脸检测算法YOLOv5-SASA。该算法主要包括三个部分,在backbone层沿用了CSPDarknet53网络,通过在最后的空间池化层中使用BasicRFB模块来有效增强网络的特征提取能力;采用NWD损失函数来提高模型对小目标检测的鲁棒性,同时在head层中引入了独立自注意力机制模块SASA,以解决人脸遮挡的问题,并降低模型的参数量;通过降低中间层通道神经元的数量、调节学习率等方式,对改进的YOLOv5网络进行了优化,以避免模型过拟合。实验结果表明,所提出的方法在WiderFace验证集的easy、medium和hard难度下的效果均优于原网络,分别达到了97.5%、96.3%和86.5%的准确率,能够有效提升课堂场景下人脸检测的精度。; 钟源袁家政李鸿天刘宏哲刘宏哲; 关键词：智慧课堂人脸检测

基于多尺度特征融合的人脸检测算法: 2024年; 近年来人脸检测技术得到了快速发展,特别是基于人工智能神经网络的人脸检测技术在一些工业级环境中得到了广泛应用,但这些人脸检测技术在识别戴口罩的人脸时会出现召回率不高的现象。针对这个问题,研究一种能够对戴口罩人脸进行精准定位的技术,提出一种基于多尺度特征融合的人脸检测算法。该算法使用MobileNet轻量级的网络框架,引入特征金字塔融合模块和SSH模块,并设计了两种损失函数:人脸分类损失函数和人脸检测回归框损失函数。实验中使用WIDER FACE和MAFA数据集对该算法进行训练,并与当前主流的人脸检测算法进行比较,结果表明文中提出的算法具有较好的性能。; 龚汝洪周燕; 关键词：损失函数

一种结合Faceboxes与KCF的多尺度人脸检测算法: 2024年; 针对车间内员工面部多尺度变化导致现有人脸检测算法效果不佳的问题,本文提出了一种结合人脸检测模型Faceboxes与核相关滤波(kernel correlation fliter,KCF)的人脸检测融合算法。该算法首先对Faceboxes网络结构进行优化,并引入多尺度融合技术以提升多尺度人脸检测的精度;其次,通过方向梯度直方图(histogram of oriented gradients,HOG)与局部二值模式(local binary patterns,LBP)特征融合优化KCF,增强目标跟踪能力;最后,将二者整合,形成“检测-跟踪-检测”的循环系统。实验证明,本算法在静态图像和动态视频中的检测效果和速度均佳,能满足实际需求,展现出良好的实用性。; 邹景阳; 关键词：人脸检测多尺度融合

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈