人臉認(rèn)證是電力系統(tǒng)網(wǎng)絡(luò)安全訪問的重要方式,而人臉檢測(cè)是人臉認(rèn)證系統(tǒng)的重要環(huán)節(jié),傳統(tǒng)Adaboost模式的人臉檢測(cè)雖然速度快,但是準(zhǔn)確率低;深度學(xué)習(xí)方式的檢測(cè)準(zhǔn)確率高,但是檢測(cè)速度慢。針對(duì)電力系統(tǒng)網(wǎng)絡(luò)訪問特點(diǎn),提出了一種基于深度學(xué)習(xí)的SRPN（single region proposal net）實(shí)時(shí)人臉檢測(cè)方法。該方法利用深度學(xué)習(xí)強(qiáng)大的特征自動(dòng)提取能力,同時(shí)針對(duì)電力系統(tǒng)網(wǎng)絡(luò)訪問進(jìn)行網(wǎng)絡(luò)模型設(shè)計(jì),減少模型計(jì)算量,加快檢測(cè)速度。實(shí)際應(yīng)用結(jié)果表明,該模型在保證高準(zhǔn)確率的情況下,在CPU上達(dá)到了30FPS的實(shí)時(shí)速度,明顯優(yōu)于AdaBoost傳統(tǒng)人臉檢測(cè)的準(zhǔn)確率和檢測(cè)速度。 

【文章來源】：電子測(cè)量技術(shù). 2020,43(08)

【文章頁數(shù)】：5 頁

【部分圖文】：

物體監(jiān)測(cè)與人臉檢測(cè)

網(wǎng)絡(luò)整體框架

底層加速模塊


本文編號(hào)：3398531