改良版Faster R-CNN在嘴部检测中的应用方法

简介：
本研究提出了一种基于改良版Faster R-CNN算法的嘴部检测方法，提升了目标定位精度与效率，在多项指标上超越了传统技术。 在通过嘴部进行人机交互的场景下，外界光线变化、小目标检测复杂性以及不同方法不通用等因素给不同环境下的嘴部识别带来了很大挑战。本段落以人脸图像为数据源，在此基础上提出了一种基于改进Faster R-CNN的人脸嘴部识别算法。 该方法在保持Faster R-CNN框架的基础上融合了多尺度特征图进行检测，首先将同一卷积块中不同层输出的特征图结合在一起，然后对不同的卷积块执行按元素求和操作。通过这些处理，在得到高分辨率的表达能力更强的特征后，再用上采样技术进一步提高小目标（如嘴部）的识别性能。 在训练过程中采用了多尺度训练，并增加了锚点的数量以增强网络检测不同尺寸目标的能力。实验结果显示，改进后的算法相比原始Faster R-CNN，在对嘴部进行检测时准确率提高了8%，并且对于各种环境变化具有更强的适应性。