通过修改后的LeNet进行蒙面人脸检测

近来，在野外发现蒙面人脸的方法已经兴起，其应用范围很广，从暴力视频检索到视频监视。 主要由于低分辨率和任意视角的困难以及收集足够数量的训练样本的局限性，其准确检测仍然是一个未解决的问题。 这些困难已经严重挑战了有效的手工功能以及坚固的检测器的设计。 在本文中，我们通过提出一种基于学习的特征设计和分类器训练范例来解决这些问题。 更具体地说，提出了一种修改后的LeNet，称为MLeNet，它修改了LeNet输出层中的单位数以适合特定的分类。 同时，MLeNet进一步增加了具有较小过滤器尺寸的特征图的数量。为了进一步减少过度拟合并以少量训练样本提高性能，我们首先通过水平反射来增加训练数据集，然后通过将两个预训练结合起来学习MLeNet。训练和微调。 我们在现实世界中的蒙面人脸检测数据集上评估提出的模型。 对几种最新技术和替代解决方案的定量评估证明了所提出模型的准确性和鲁棒性。