메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
송주남 (삼성전자) 김형일 (KAIST) 노용만 (KAIST)
저널정보
한국멀티미디어학회 멀티미디어학회논문지 멀티미디어학회논문지 제19권 제8호
발행연도
2016.8
수록면
1,310 - 1,319 (10page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Face detection is the first step in a wide range of face applications. However, detecting faces in the wild is still a challenging task due to the wide range of variations in pose, scale, and occlusions. Recently, many deep learning methods have been proposed for face detection. However, further improvements are required in the wild. Another important issue to be considered in the face detection is the computational complexity. Current state-of-the-art deep learning methods require a large number of patches to deal with varying scales and the arbitrary image sizes, which result in an increased computational complexity. To reduce the complexity while achieving better detection accuracy, we propose a fully convolutional network-based face detection that can take arbitrarily-sized input and produce feature maps (heat maps) corresponding to the input image size. To deal with the various face scales, a multi-scale network architecture that utilizes the facial components when learning the feature maps is proposed. On top of it, we design multi-task learning technique to improve detection performance. Extensive experiments have been conducted on the FDDB dataset. The experimental results show that the proposed method outperforms state-of-the-art methods with the accuracy of 82.33% at 517 false alarms, while improving computational efficiency significantly.
#Face Detection #Deep Learning #Fully Convolutional Network #Heat Map #Facial Component #Face Bound Regression

목차

ABSTRACT
1. 서론
2. 제안하는 방법
3. 실험 결과 및 분석
4. 결론
REFERENCE

참고문헌 (21)

참고문헌 신청
[학술지(정기간행물)] - P. Viola / 2004 / Robust Real-time Face Detection / International Journal of Computer Vision 57 (2) : 137 ~ 154 google schola [단행본] - M.K. Celebi / 2016 / Advances in Face Detection and Facial Image Analysis / Springer International Publishing google schola [학술지(정기간행물)] - 이승호 / 2015 / 대규모 비디오 감시 환경에서 프라이버시 보호를 위한다중 레벨 특징 기반 얼굴검출 방법에 관한 연구 / 멀티미디어학회논문지 18 (11) : 1268 ~ 1280 dbpia [학술대회논문] - R. Ranjan / 2015 / A Deep Pyramid Deformable Part Model for Face Detection / Proceeding of IEEE Conference on Biometrics Theory, Applications and Systems : 1 ~ 8 google schola [학술지(정기간행물)] - P.F. Felzenszwalb / 2010 / Object Detection with Discriminatively Trained Part Based Models / IEEE Transactions on Pattern Analysis and Machine Intelligence 32 (9) : 1627 ~ 1645 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

피부색과 S-LGP와 U-LGP기반 CNN을 이용한 얼굴 검출 알고리즘 연구
공기호 ,  강대성 한국정보기술학회논문지 2017 .01
Convolutional Neural Networks 특징을 이용한 지문 이미지의 위조여부 판별 및 시각화
김원진 ,  이경수 ,  박은수 외 2명 정보보호학회논문지 2016 .10
시공간 템플릿과 컨볼루션 신경망을 사용한 깊이 영상 기반의 사람 행동 인식
음혁민 ,  윤창용 전기학회논문지 2016 .10
CNN을 활용한 영상 기반의 화재 감지
김영진 ,  김은경 한국정보통신학회논문지 2016 .09
다중 채널 입력 Convolution residual neural networks 기반의 초해상화 기법
염광영 ,  김문철 한국방송미디어공학회 학술발표대회 논문집 2016 .06

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2017-004-001136448