首页 » 技术分享 » MTCNN人脸检测---PNet网络训练

MTCNN人脸检测---PNet网络训练

　
评论关闭　800次浏览

前言

本文主要介绍MTCNN中PNet的网络结构，训练方式和BoundingBox的处理方式。PNet的网络结构是一个全卷积的神经网络结构，如下图所：

输入是一个12*12大小的图片，所以训练前需要把生成的训练数据（通过生成bounding box，然后把该bounding box 剪切成12*12大小的图片），转换成12*12*3的结构。

  1. 通过10个3*3*3的卷积核，2*2的Max Pooling（stride=2）操作，生成10个5*5的特征图
  2. 通过16个3*3*10的卷积核，生成16个3*3的特征图
  3. 通过32个3*3*16的卷积核，生成32个1*1的特征图。
  4. 针对32个1*1的特征图，可以通过2个1*1*32的卷积核，生成2个1*1的特征图用于分类；4个1*1*32的卷积核，生成4个1*1的特征图用于回归框判断；10个1*1*32的卷积核，生成10个1*1的特征图用于人脸轮廓点的判断。

模型代码

PNet是一个全卷积网络，所以Input可以是任意大小的图片，用来传入我们要Inference的图片，但是这个时候Pnet的输出的就不是1*1大小的特征图了，而是一个W*H的特征图，每个特征图上的网格对应于我们上面所说的（2个分类信息，4个回归框信息，10个人脸轮廓点信息）。W和H大小的计算，可以根据卷积神经网络W2=(W1-F+2P)/S+1, H2=(H1-F+2P)/S+1的方式递归计算出来，当然对于TensorFlow可以直接在程序中打印出最后Tensor的维度。相应的TensorFlow代码如下：

with slim.arg_scope([slim.conv2d],
                        activation_fn=prelu,
                        weights_initializer=slim.xavier_initializer(),
                        biases_initializer=tf.zeros_initializer(),
                        weights_regularizer=slim.l2_regularizer(0.0005), 
                        padding='valid'):
        net = slim.conv2d(inputs, 10, 3, stride=1,scope='conv1')
        net = slim.max_pool2d(net, kernel_size=[2,2], stride=2, scope='pool1', padding='SAME')
        
        net = slim.conv2d(net,num_outputs=16,kernel_size=[3,3],stride=1,scope='conv2')
        net = slim.conv2d(net,num_outputs=32,kernel_size=[3,3],stride=1,scope='conv3')
        
        conv4_1 = slim.conv2d(net,num_outputs=2,kernel_size=[1,1],stride=1,scope='conv4_1',activation_fn=tf.nn.softmax)
        
        bbox_pred = slim.conv2d(net,num_outputs=4,kernel_size=[1,1],stride=1,scope='conv4_2',activation_fn=None)

        landmark_pred = slim.conv2d(net,num_outputs=10,kernel_size=[1,1],stride=1,scope='conv4_3',activation_fn=None)

转载自原文链接, 如需删除请联系管理员。

原文链接：MTCNN人脸检测---PNet网络训练，转载请注明来源！

赞 0