基于改进Faster?RCNN的自然场景人脸检测

来源：计算机工程杂志2021年第1期北京时间：

作者：李祥兵, 陈炼

单位：南昌大学 信息工程学院, 南昌 330000

摘要：为实现对自然场景下小尺度人脸的准确检测，提出一种改进的Faster-RCNN模型。采用ResNet-50提取卷积特征，对不同卷积层的特征图进行多尺度融合，同时将区域建议网络产生的锚框由最初的9个改为15个，以更好地适应小尺度人脸检测场景。在此基础上，利用在线难例挖掘算法优化训练过程，采用软非极大值抑制方法解决漏检重叠人脸的问题，并在训练阶段通过多尺度训练提高模型的泛化能力。实验结果表明，该模型在Wider Face数据集上平均精度为89.0%，较原Faster-RCNN模型提升3.5%，在FDDB数据集上检出率也高达95.6%。

关键词：人脸检测,Faster-RCNN模型,多尺度融合,在线难例挖掘,软非极大值抑制

基金资助：国家自然科学基金（61862043）。