《A Convolutional Neural Network Cascade for Face Detection》

標籤：分類   資料集   csdn   難度   ural   zed   aar   連網   cas   

文章連結:   http://pan.baidu.com/s/1bQBJMQ  密碼:4772

作者在這裡提出了基於神經網路的Cascade方法，Cascade最早可追溯到Haar Feature提取時用到的Adaboost演算法(參考這個部落格:http://blog.csdn.net/zouxy09/article/details/7922923)，作者在這裡將它和神經網路結合到了一起，可謂創新。

關鍵字:Cascade；Calibration;

為了提高圖片的測試速度，作者在這裡使用了Cascade，級聯了6個CNN，結構如下：

這六個CNN共分為兩類,一類網路(12-net,24...)（它們是2分類）去分類，同時產生候選框；一類網路(12-Calibration-net,24...)（它們是45分類）是對候選框進行位置矯正，它們的結構如下：

大致分析一下它的流程:（個人見解，可能有的地方有錯誤，非常歡迎指正~）

訓練階段：

作者先從AFLW資料集中的圖片中進行裁剪獲得人臉圖片作為正樣本，再從背景中裁剪獲得負樣本；

將正樣本resized為12*12的大小，輸入到12-net中進行訓練；

將每一個正樣本進行scale、x軸、y軸變換（共45種變換），產生45張圖片，再貼上標配，輸入到12-Calibration-net中進行訓練，變換參數見下:

之後24、48網路的訓練同理;

測試階段:

輸入測試圖片，先對它進行scale變換，形成影像金字塔，再將金字塔中的每一張圖片輸入到級連網絡中；

先進入12-net中，利用sliding-Window，獲得特徵圖，設定一個閥值，一方面進行分類，一方面獲得大於閥值的候選框；

將12-net的輸出中大於閥值但是類別為非人臉的作為12-Calibration-net的負樣本，大於閥值同時類別為人臉的作為12-Calibration-net的正樣本，（注意這時候後面的網路便已經與原輸入圖片無關了）

 這些候選框經過12-Calibration-net後每一個都輸出45個得分，在經過下面的操作，獲得最終變換的參數，即可獲得調整後的框位置:

接著再將12-Calibration-net的輸出先resized為24*24，再送到24-net的輸入中，再進行分類，又剔除了一部分，接著再向後面的網路傳輸。。。

使用這種Cascade方法的好處就是：

（1）由於將一個大網路分解成多個小網路進行訓練，訓練難度減小，所需要的訓練集也減小；

（2）雖然訓練時資料準備較花時間，但由於分解成了小網路，計算複雜度降低，測試時間縮短，可以實現即時監測；

《A Convolutional Neural Network Cascade for Face Detection》