FSDN:基于嵌套U-Net结构的人脸阴影检测模型

人脸阴影检测通常作为人脸图像相关任务的预处理步骤，以避免阴影造成的干扰。提出了一种基于深度学习的人脸阴影检测方案。在解决方案中，首先根据光照和人脸结构信息，对耶鲁人脸数据库中1600幅张光照不均匀人脸图像的阴影区域进行标记，构建人脸阴影检测数据集。然后，设计了一种基于嵌套u网结构和注意模块的人脸阴影检测网络，利用嵌套u网结构提取图像的高分辨率信息和全局特征，利用注意模块融合每个嵌套u网的输出，抑制低阶子层带来的噪声信息。最后，在标记的人脸检测数据集上对网络进行评估。实验结果表明，该方法的平均检测错误率比对照组的最优方案低14.2%，可以有效地检测图像中的小区域阴影，并提供更准确的阴影边缘定位。