一种二次人脸检测的网络结构设置方法技术

本发明专利技术提供二次人脸检测的网络结构设置方法，包括：第一层输入大尺寸图片输出深度为4特征图，卷积核大小3×3，步长为2，卷积计算的图两端非对齐；第二层输入适当尺寸输出深度为8特征图，卷积核大小3×3，步长为2，卷积计算两端非对齐；第三层输入较小尺寸输出深度为16特征图，卷积核大小3×3，步长为2，卷积计算两端非对齐，得到输出特征图6×6×16；第四层输入数据为第三层输出，输出32张特征图，卷积核大小1×1，步长为1，卷积计算两端对齐，得到输出特征图6×6×32；第五层输入数据为第四层输出，输出64张特征图，卷积核大小3×3，步长为2，卷积计算两端对齐，得到输出特征图3×3×64；第六层是全连接到192的特征图上。

【技术实现步骤摘要】
一种二次人脸检测的网络结构设置方法
本专利技术涉及人脸图像识别
，特别涉及一种二次人脸检测的网络结构设置方法。
技术介绍
随着科技的不断发展，特别是计算机视觉技术的发展，人脸识别技术广泛应用于信息安全、电子认证等各个领域，图像特征提取方法具有良好的识别性能。人脸识别是指基于已知的人脸样本库，利用图像处理和/或模式识别技术从静态或者动态场景中，识别一个或多个人脸的技术。但是目前的人脸识别技术包括1、传统机器学习的人脸检测。2、基于深度学习的人脸检测。3、用于前端的人脸检测。其具有的缺点包括：前端人脸检测存在一定的误检，检测出的人脸框和是否为人脸的判定标准与满足人脸识别的要求不匹配，导致人脸识别识别率下降甚至无法正常使用。
技术实现思路
为了解决上述现有技术中存在的问题，本专利技术的目的在于：1、实现去除前端人脸检测的误检。2、达到人脸检测标准与人脸识别的要求相匹配，从而提高人脸识别的识别率。3、实现人脸检测每个人脸用时5ms以内。本专利技术提供一种二次人脸检测的网络结构设置方法，所述的方法本文档来自技高网...

【技术保护点】
1.一种二次人脸检测的网络结构设置方法，其特征在于，所述的方法包括：/nS1，网络第一层设置为输入大尺寸图片，采用输出深度为4的特征图，卷积核大小为3×3大小，步长为2，卷积计算的图两端非对齐处理；/nS2，网络第二层设置为输入比第一层小的尺寸图片，采用输出深度为8的特征图，卷积核大小为3×3大小，步长为2，卷积计算的图两端非对齐处理；/nS3，网络第三层设置为输入比第二层小的尺寸图片，采用输出深度为16的特征图，卷积核大小为3×3大小，步长为2，卷积计算的图两端非对齐处理，得到输出特征图6×6×16；/nS4，网络第四层设置为输入数据的特征图的大小为6×6×16，采用输出32张特征图，卷积核...

【技术特征摘要】
1.一种二次人脸检测的网络结构设置方法，其特征在于，所述的方法包括：
S1，网络第一层设置为输入大尺寸图片，采用输出深度为4的特征图，卷积核大小为3×3大小，步长为2，卷积计算的图两端非对齐处理；
S2，网络第二层设置为输入比第一层小的尺寸图片，采用输出深度为8的特征图，卷积核大小为3×3大小，步长为2，卷积计算的图两端非对齐处理；
S3，网络第三层设置为输入比第二层小的尺寸图片，采用输出深度为16的特征图，卷积核大小为3×3大小，步长为2，卷积计算的图两端非对齐处理，得到输出特征图6×6×16；
S4，网络第四层设置为输入数据的特征图的大小为6×6×16，采用输出32张特征图，卷积核大小为1×1大小，步长为1，卷积计算的图两端对齐处理，得到输出特征图6×6×32；
S5，网络第五层设置为输入数据的特征图的大小为6×6×32，采用输出64张特征图，卷积核大小为3×3大小，步长为2，卷积计算的图两端对齐处理，得到输出特征图3×3×64；
S6，网络第六层设置为全连接到192的特征图上。
...

【专利技术属性】
技术研发人员：于晓静，田凤彬，
申请(专利权)人：北京君正集成电路股份有限公司，
类型：发明
国别省市：北京;11