Lei Feng réseau par AI Technology Review: Ces dernières années, convolution réseau de neurones a connu un grand succès dans la détection des visages, cependant, est encore plus difficile lorsque ces méthodes dans le processus de changer la face de l'échelle, la posture, l'occlusion, les expressions du visage, l'éclairage et d'autres questions. À cette fin, Tencent a lancé un nouvel algorithme appelé excellente vue de DSFD (branche chinoise appelée détecteur de double visage), l'algorithme obtenu gratifiant résultats sur les célèbres ensembles de données de détection des visages, maintenant Tencent excellente vue de la décision d'être open source.
Tencent excellente carte des chercheurs ont constaté que l'algorithme de détection de visage Bien précédent principalement par modèle d'apprentissage profond, et il y a aussi le réseau de pyramide caractéristique (fonction réseau Pyramide) dans le processus d'apprentissage des fonctionnalités, mais le visage obscurci, lumière noire, grande attitude de quand frimousse et d'autres scénarios complexes, fausse détection ou encore manqué sujettes. Par conséquent, la base FPN, de préférence Tencent équipe figure utilise trois types de convolution creux (Dilated Convolution) différente cascade, la conception de l'amélioration des caractéristiques du module FEM, apprendre pleinement les caractéristiques du visage sous différents champ récepteur.
Ce document présente une méthode nouvelle, ont été traités trois points clés dans le sens de la détection des visages, y compris une meilleure fonction d'apprentissage, la conception fonction progressive de la perte en fonction de l'ancre d'expansion et la distribution des données:
(1) nouveau module "fonctionnalités avancées" (FEM: Feature Améliorer Module)
FEM en même temps en utilisant la fusion de données entre la couche descendante, dans le même champ « réceptif » à l'intérieur fait plus l'amélioration. Ainsi, l'apprentissage de la largeur et de la profondeur à un contexte plus efficace et l'information sémantique.
( 2) le style "progressif d'ancrage à plusieurs niveaux" de la fonction des coûts de supervision (PLA: Progressive perte Anchor)
Modèle utilise deux niveaux (Hiérarchie), basée sur la première couche (niveau bas) et la seconde couche différences (de haut niveau), l'élément d'ancrage adapté à différentes tailles. Au cours de la formation, le modèle entier PAL forment une supervision plus efficace.
(3) "Amélioration de la stratégie de mise en correspondance d'ancrage" (stratégie améliorée Matching Anchor)
sortie du détecteur une étape depuis la couche de distribution ancre intensive, les matches face d'ancrage avec un impact direct sur l'effet d'entraînement. processus d'augmentation des données excellentes figure des chercheurs pleinement examiner la relation entre l'ancrage respectif et le visage taille différente, de nouvelles données présentées amplification.
algorithme DSFD
L'algorithme de vision par ordinateur de réception a été conférence haut CVPR 2019, l'original « DSFD: Tir double détecteur de visage » coopération complète par l'École des sciences informatiques de l'Université de Nanjing et d'ingénierie PCALab excellente carte et les laboratoires Tencent.
Sur deux ensemble de données WIDER FACE et Fddb détection de visage bien connu de cinq dimensions d'évaluation, les algorithmes DSFD a établi un record mondial, réalisé Top1 résultats de détection de visage:
WIDER résultats de l'évaluation FACE
résultats de l'évaluation Fddb
Pour plus de pairs et de discuter de l'application pratique de l'algorithme DSFD, Tencent excellente vue de l'annonce récente Open Source Adresse:
Github Ouvrir adresse Source: https: //github.com/TencentYoutuResearch/FaceDetection-DSFD
Il est entendu que la technologie de détection des visages Tencent a été excellente carte dans plusieurs scénarios d'application de la sécurité, financière, sociale et autres moyens de transport au sol, et utilisé dans un certain nombre d'entreprises dans le mobile QQ produit externe, les banques micro-publiques, tous les jours, des diagrammes P vérification.
Lei Feng Lei Feng net net AI Technology Review
