论文部分内容阅读
人脸检测问题是计算机视觉领域的研究热点，具有十分重要的理论研究价值和实际应用价值。在理论研究与实际应用场景中，人脸检测问题还面临着不少的挑战，例如不同姿态、光照、遮挡等情况下人脸检测系统的鲁棒性。在一些实用场景如手机端的应用上，对卷积神经网络的计算速度、参数量都有更高的要求。这些面临的实际挑战都具有很好的研究价值。本文主要对人脸检测理论与实际应用中遇到的一些问题进行研究。 主要工作分为两个部分: (1)对现有的基于级联卷积神经网络的人脸检测算法进行了一系列改进工作，包括:将分类网络与边框回归网络合并为一个多任务网络提高效率;将级联网络的训练方式从分级训练改进为联合训练，显著提高训练速度;提出了基于流水线结构的多线程并行加速方案，可以显著提升检测算法速度;针对移动端人脸检测的需求，设计实现了可以在手机上实时运行的移动端检测算法版本。 (2)针对任意平面内旋转人脸检测难度较大，现有算法在速度精度上难以兼顾的问题，设计了一种新型的基于级联校准网络的旋转人脸检测算法。该算法在基于级联卷积神经网络的人脸检测算法中插入校准分支，逐级校准人脸，显著提升了检测的精度;同时校准操作采用粗糙的朝向分类，几乎没有额外的时间开销。该算法在旋转人脸检测上取得了很好的效果，相关工作被CVPR2018接收。