基于Python的人脸检测与分类.zip

资源包含文件：设计报告word+项目源码 我们的人脸检测网络采用了和Faster RCNN类似的策略，但我们在ROI Polling上进行了创新，兼顾了小目标检测和大目标检测，为此，我们还使用了改进后的RESNET101_V2的网络，使我们的网络对于小目标更加敏感。在增加了少量的运算单元后，我们的网络可以识别24*24像素下的人脸(甚至于更低!)。我们调整了网络结构，并没有采用传统的卷积网络(提取特征)+全连接层(分类)的结构，而是采用了全卷积结构，这让我们的识别网络的速度远远高于传统的神经网络识别方法，识别精度也高于传统的算子和特征值人脸识别算法。 数据集介绍 采用的数据集为FDDB数据集，该数据集图像+注释有600M左右。 图像有各种大小和形状，主要集中在(300~600)*(300~600)的像素上。 注:我们的训练网络不在乎训练图像的大小形状(只要长宽大于192就好)。 详细介绍参考：https://biyezuopin.blog.csdn.net/article/details/124666548?spm=1001.2014.3001.5502