知识卡片
MTCNN级联筛选人脸区域
MTCNN 联合处理人脸检测和关键点定位:P-Net 提议并校准候选框,R-Net 进一步剔除误报,O-Net 输出关键点。边界框回归修正位置,非极大值抑制筛去高度重叠候选;它们都不负责判定人物身份。级联减少后阶段候选,但前阶段漏掉的脸通常难由后段补回。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 2 0 . 3 . 1 基 于 深 度 学 习 算 法 的 人 脸 识 别 · 查看原书依据
MTCNN包含了3个级联的多任务CNN,分别为Proposal Network(P-Net)、Refine Network(R-Net)、Output Network(O-Net)。MTCNN可以分为3个阶段:首先,由P-Net获得人脸区域的候选窗口和边界框的回归向量,并用该边界框做回归,对候选窗口进行校准;然后通过非极大值抑制(Non-Maximum Suppression,NMS)来合并高度重叠的候选框。
参考来源
- 位置:《智能算法导论》第 195 项《20.3.1 基于深度学习算法的人脸识别/MTCNN》(源文件:`_epub-src/EPUB/xhtml/chapter20_0006.xhtml`)
- 结论依据:正文逐阶段描述三个网络、框回归、NMS 和关键点输出;“合并重叠框”收窄为标准抑制语义,明确不等同身份识别。
- 原始内容:MTCNN充分利用了人脸检测和人脸关键点定位两个问题之间的潜在联系……包含了3个级联的多任务CNN,分别为Proposal Network(P-Net)、Refine Network(R-Net)、Output Network(O-Net)。