基于多尺度卷积神经网络的人脸润饰检测算法

针对目前人脸润饰检测算法特征提取复杂、识别率低的问题，提出了一种基于多尺度卷积神经网络的人脸润饰检测算法.不同于传统的卷积神经网络，本文的网络增加了图像预处理，利用基于方向梯度直方图（Histograms of Oriented Gradient，HOG）特征的人脸提取算法从原始图像中提取出人脸部分；在第一个池化层后连接局部归一化（Local Response Normalization，LRN）层，加速模型的收敛；提出了多尺度卷积层，将大小为1×1，3×3和5×5的卷积核进行级联，提高模型分类效果.实验结果表明，本文算法的检测精度在人脸润饰数据集LFW和ND-ⅢTD分别达到99.5%和92.9%，相比于主流网络结构和最新人脸润饰检测算法，检测精度有显著提高.