Cascades Dynamiques pour la Détection de Visages

Dans cet article, nous proposons une méthode novatrice, appelée "cascade dynamique", pour entraîner un détecteur de visages efficace sur des ensembles de données massifs. Il y a trois contributions clés. La première est un nouvel algorithme de cascade appelé "cascade dynamique", qui peut entraîner des classificateurs de cascade sur des ensembles de données massifs et ne nécessite qu'un petit nombre de paramètres d'entraînement. La seconde est l'introduction d'un nouveau type de faible classificateur, appelé "stump bayésien", pour entraîner des classificateurs de boost. Il produit des classificateurs de boost plus stables avec moins de caractéristiques. De plus, nous proposons une stratégie pour utiliser notre algorithme de cascade dynamique avec plusieurs ensembles de caractéristiques afin d'améliorer encore la performance de détection sans augmenter significativement le coût computationnel du détecteur. Les résultats expérimentaux montrent que toutes les nouvelles techniques améliorent effectivement la performance de détection. Enfin, nous fournissons le premier grand ensemble de données standard pour la détection de visages, afin que les futures recherches sur ce sujet puissent être comparées sur le même ensemble d'entraînement et de test.