Face Detection with the Faster R-CNN（数据集标注对比研究报告）_对比试验fastrcnn用的

作者：我家小花儿 | 2024-03-16 14:32:18

踩

对比试验fastrcnn用的

1、简介

Faster R-CNN是R-CNN系列深度学习人脸检测最好的方法，mean average precision（mAP）达到73.2%，目标检测的速度可以达到每秒5帧。

技术上将RPN网络和FastR-CNN网络结合到了一起，是一个CNN网络实现端到端目标检测的框架。

R-CNN系列方法对比

数据集1：Wider face

Wider face是由香港中文大学公开的人脸检测基准数据集，包含训练集、验证集和测试集，是现有人脸数据集的十倍。

共包含3.2w张图片，39.3w个标注人脸，全部手工标注，标注人脸有较大程度的尺寸、姿态和遮挡等变化。

数据集2：myface

myface是我们实验室自行收集的人脸数据库，共包含2w张图片，约2.1w个人脸，以西方人脸居多。

使用于仕琪人脸标注方法对图片进行标注。

2、FDDB上效果对比

2.1 Wider_face

2.2 myface

2.3 wider2myface

2.4 myface2myface

FDDB测试对比表

3、caffemodel跑demo实例对比

4、不同人脸数据集差异对比

5、研究结论及意义

结论：

1、myface标注方法效果一般，标注范围单一，导致训练效果一般；

2、wider face采用标注手工标注，标注范围较广，是优秀的人脸训练数据集。

3、由wider2myface发现，一个图片中包含单个人脸不影响训练效果，在相同算法方法条件下，人脸标注好坏是影响训练效果的关键因素。

意义：

1、采用wider face作为以后人脸检测训练的数据集；

2、用wider_face(faster_rcnn)caffemodel对自己图像进行标注；

3、本实验与基于faster_rcnn做行人检测、汽车检测等相似，可为其提供较大帮助。

        </div>
            </div>
1
2

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/我家小花儿/article/detail/250078

Face Detection with the Faster R-CNN（数据集标注对比研究报告 ）_对比试验fastrcnn用的