文献

J-GLOBAL ID：201802251634789063   整理番号：18A0442147

制約なし「ハード面」の正確な検出のためのマルチパス領域ベースの畳込みニューラルネットワーク【Powered by NICT】

Multi-path Region-Based Convolutional Neural Network for Accurate Detection of Unconstrained ”Hard Faces”

著者 (2件)： Liu Yuguang ,  Levine Martin D.
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CRV  ページ： 183-190  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 大規模変化は依然として制約のない顔検出の挑戦を提起している。著者らの知識の及ぶ限りでは,現在の顔検出アルゴリズムは,800×800画素の大きさの顔を検出することはできないが,同様に高い精度で単一画像内の8×8画素を互いにを同時に検出する。はこの課題に取り組むために,古典的な学習戦略を用いた深層ニューラルネットワークを組み合わせたシームレス,2段階カスケード顔検出フレームワーク,多経路領域に基づく畳込みニューラルネットワーク(MP RCNN)を提案した。第一段階は,三つの異なるスケールで面を提案するマルチパス領域提案ネットワーク(MP RPN)である。同時に畳込み特徴マップの三並列出力を利用したマルチスケール候補顔領域を予測した。「atrous」畳込みトリック(アップサンプリングフィルタを用いた畳込み),「困難な」事例のために新たに提案したサンプリング層はMP RPN中に埋め込まれたその性能を向上させることにあった。第二段階では,ブースティングされた森林分類器,候補顔領域を囲む大きな領域からプールした顔領域は勿論深い文脈特徴候補内からプールした深い顔特徴を利用した。この段階はハード陰性試料を取除くために含まれている。実験は,このアプローチがより広い顔データセット「硬い」分配に関する最新顔検出性能を達成し,平均精度の最良の結果を9.6%することを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 画像 ,  *畳込み ,  画素 ,  *ネットワーク
準シソーラス用語： 検出能 ,  ブースティング ,  マルチスケール ,  特徴マップ ,  シームレス ,  ディープニューラルネットワーク ,  検出アルゴリズム ,  顔検出 ,  *畳込みニューラルネットワーク ,  *多経路 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 制約 ,  マルチパス ,  畳込みニューラルネットワーク