Verbessertes Gesichtserkennungsverfahren durch das Lernen kleiner Gesichter auf schwierigen Bildern basierend auf einem Deep-Learning-Ansatz

Die meisten Systeme zur Gesichtserkennung und -analyse beginnen mit der Gesichtserkennung. Frühere Techniken, wie Haar-Kaskaden und Histogramme gerichteter Gradienten, basieren hauptsächlich auf Merkmalen, die manuell aus bestimmten Bildern entwickelt wurden. Diese Techniken sind jedoch nicht in der Lage, Bilder, die unter unkontrollierten Bedingungen aufgenommen wurden, korrekt zu synthetisieren. Die rasante Entwicklung des Deep Learning in der Computer Vision hat auch die Entwicklung mehrerer auf Deep Learning basierender Gesichtserkennungssysteme beschleunigt, von denen viele in den letzten Jahren die Genauigkeit erheblich verbessert haben. Bei der Gesichtserkennung ist die Schwierigkeit, kleine, skalierte, positionierte, verdeckte, verschwommene und teilweise verdeckte Gesichter unter unkontrollierten Bedingungen zu erkennen, eines der Probleme der Gesichtserkennung, das seit vielen Jahren untersucht wird, aber noch nicht vollständig gelöst ist. In diesem Papier schlagen wir Retina Net Baseline vor, einen einstufigen Gesichtsdetektor, um das herausfordernde Problem der Gesichtserkennung zu bewältigen. Wir haben Netzwerkverbesserungen vorgenommen, die die Erkennungsgenauigkeit und -geschwindigkeit erhöht haben. In Experimenten verwendeten wir zwei beliebte Datensätze, darunter WIDER FACE und FDDB. Insbesondere erzielt unsere vorgeschlagene Methode beim WIDER FACE Benchmark eine AP von 41,0 mit einer Geschwindigkeit von 11,8 FPS mit einer Einstufigen Inferenzstrategie und eine AP von 44,2 mit einer Multi-Skalaren Inferenzstrategie, was Ergebnisse unter den einstufigen Detektoren sind. Dann trainierten wir unser Modell während der Implementierung mit dem PyTorch-Framework, das eine Genauigkeit von 95,6 % für die erfolgreich erkannten Gesichter bot. Sichtbare experimentelle Ergebnisse zeigen, dass unser vorgeschlagenes Modell nahtlos bessere Erkennungs- und Identifikationsergebnisse liefert, die mit Leistungsbewertungsmatrizen erzielt wurden.