从增强特征的提取与融合角度出发，挖掘人脸目标的典型特征，提出了基于特征提取与特征传递优化的人脸检测方法以及基于典型特征与上下文信息的人脸检测方法，从不同方面提升人脸检测准确率。进而针对人脸检测方法在移动设备实际应用落地问题，对模型的骨干网进行了重新的设计与优化，提出了一种超轻量的人脸检测方法，该方法在达到较高准确率的情况下，整体模型大小缩小约10倍，且可实现密集场景下的人脸检测。针对于当前通用人脸识别未关注人脸局部特征、人脸识别模型规模大导致不利于部署应用、无可用的遮挡数据集导致遮挡情况下识别精度不足等问题，提出了显著性人脸识别、人脸模型压缩、人脸遮挡模拟等方法。提出一套针对于姿态、遮挡等情况的显著性人脸识别方法和一套针对于人脸特征的知识迁移方案对人脸识别模型进行压缩，最后提出了基于遮挡模拟的数据增强方法并使用生成的数据集对显著性人脸识别模型进行调优与验证。最终，可实现高效的无感知人脸检测与识别，打造复杂场景下人脸检测与识别的示范。
微信公众号