MTCNN--《Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks》疑问一大堆

本文详细介绍了MTCNN人脸检测网络中的训练数据准备方法,特别是如何利用滑动窗口技术处理图像并进行正样本、负样本及部分人脸样本的划分。此外还探讨了这些样本在2分类任务和边界框回归任务中的应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1、废话不多说,Fig.2是该论文的网络结构

2、A. Traning Data是训练网络时需要的数据,我使用滑动窗口的方法处理wider的每一张图片,通过判断IoU的值,将窗口滑过得到的patch进行分组:positive、negative、partface,每个patch的大小为12x12,论文里说Negatives 和Positives用于是不是人脸的分类(即2分类)这个容易理解,但是论文又说:positives和part faces用于bounding boxregression,这个就不知道怎么去做了,当然我知道是个输出为4的回归问题,也知道每一个图片的ground trueth的4个值,但是对于每个patch这个ground trueth是什么呢?

//2017//07//25

参考博客:


http://blog.youkuaiyun.com/tinyzhao/article/details/53236191

http://blog.youkuaiyun.com/qq_14845119/article/details/52680940

http://blog.youkuaiyun.com/shuzfan/article/details/52668935

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值