Détecteur de visages par convolution : une architecture neurale pour une détection de visage rapide et robuste

Dans cet article, nous présentons une nouvelle approche de détection de visages basée sur une architecture de réseau de neurones convolutifs, conçue pour détecter de manière robuste des motifs faciaux hautement variables, tournés jusqu'à +/-20 degrés dans le plan de l'image et inclinés jusqu'à +/-60 degrés, dans des images complexes du monde réel. Le système proposé synthétise automatiquement des extracteurs de caractéristiques simples spécifiques au problème à partir d'un ensemble d'entraînement de motifs faciaux et non faciaux, sans faire d'hypothèses ni utiliser de conception artisanale concernant les caractéristiques à extraire ou les zones du motif facial à analyser. La procédure de détection de visage agit comme un pipeline de modules de convolution simples et de sous-échantillonnage qui traitent l'image brute en tant que totalité. Nous montrons donc qu'un système de détection de visage efficace ne nécessite pas de prétraitement local coûteux avant la classification des zones de l'image. Le schéma proposé offre un taux de détection très élevé avec un niveau de faux positifs particulièrement bas, démontré sur des ensembles de tests difficiles, sans nécessiter l'utilisation de multiples réseaux pour traiter des cas difficiles. Nous présentons des résultats expérimentaux étendus illustrant l'efficacité de l'approche proposée sur des ensembles de tests difficiles et incluant une analyse de sensibilité approfondie par rapport aux degrés de variabilité des motifs faciaux.