基于深度学习的人脸检测技术研究与干货分享

人脸检测技术，就是将影像中出现的人脸检测出来，并准确地框定出其位置所在。作为人脸比对、人脸验证、人脸情绪分析的基础，该技术应当具备强大的鲁棒性，对光照、遮挡、旋转、色泽等所带来识别挑战应具有适应性。

早期的人脸识别研究，主要针对的事具有较强约束条件的人脸影像，需要设计巧妙的人脸图像纹理、语义表达的“特征”，例如HOG、Haar-like，进而完成识别模型的训练。

随着学习算法、GPU/FPGA计算力的深度增强， “端到端”人脸检测技术路线涌现出来，图像特征的学习被融入到神经网络的学习当中，将人脸检测、人脸关键点检测、人脸图像分类一并输出。显然，人脸检测方法又进入了新阶段并达到了新高度。

近期，一位人脸识别领域新锐，任职于数据堂数据科学中心，硕士就读于北京印刷学院，专业主要涉及人脸图像分类、人脸关键点检测、人脸情感分析等，目前主要从事人脸识别系统研发工作，将在北京数据堂总部与大家分享图像处理项目的实践总结，其中积累了一定的WIDER FACE和MTCNN实践经验，分享内容包括：

1、 人脸与关键点检测概述

2、 人脸检测开源数据集；

3、 基于深度学习的人脸检测算法；

4、 近期相关实践工作。

以下为技术分享的干货。