人脸识别之人脸检测算法

本文探讨人脸识别技术,重点分析MTCNN算法,包括其网络结构、损失函数和实际应用。MTCNN由P-Net、R-Net、O-Net组成,适用于人脸检测和对齐。在LFW数据集上进行实验,通过预训练模型实现人脸检测。同时对比了非深度学习的libfacedetection和其它深度学习方法如SFD、fastMTCNN、FasterRCNN。

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

        人脸识别的一般步骤:人脸检测->人脸对齐->人脸特征提取->(计算人脸的差值)三元组损失/中心损失->差值小于某一阈值则为同一个人,差值大于某一阈值则不是同一人。

        本文将对每一个步骤的技术现状,进行分析,并尝试实现其中最优的几种技术。

一、现有算法

    1.非监督学习算法

                  

 2. 监督学习算法

                 

      从以上描述可以看出

          1) 传统人脸检测方法能在CPU上也能达到很高的速度,其中libfasedetection,速度达到367/1533FPS

      且在100的误检率基础上,召回率高到0.8236

          2) 深度学习算法虽然FasterRCNN的精度很高,但是速度却非常满,只有GPU 3FPS,只能用在竞赛环境。

     

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