A New Modular Neural Network For Face Detection

e abdelrahman, e eltaweel, s saraya, f.f areed

Abstract


The     computer    vision     system

nowadays       received       more      interests

froiii       lire       rescarchcrs,        and        lace

detection       or       In       general         object

detection Is a fundamental problem in

this field, and is considered as the

first     important step     in     many     face

i mage-processi ng                     app iications.

Recently,           the         artificial         neural

network      research     has     focused      on

simple models, but such models have

not         been        very        successful          in

describing compJex systems (such as

face detection and face recognition).

The face detection problem may

be described as follows: Given a test

image (any scanned in photograph or

frame from a video camera), find the

locations and size of every human

face within the image. The problem

of facc detection differs from the

problem of face recognition in that

face       detection         has       exactly      two

classifications:      face      or       non-face,

whereas face recognition usually has

a number of classifications equal to

the       number     of     individuals.      Face

detection     is     important     in     a     wide

variety of areas, which include but

are not limited to face recognition;

model    based video coding, human

computer interaction, and automatic

annotation for image databases.

paper introduces a jiew

proposed artificial neural network

model for face detection called

Modular Neural Network (MNN).

The new system consists of two

Multi-Layer Perceptron modules

(MLP), each module deal with a half

of face one for right half, and the

other for the left half, the outputs of

the two modules are feeding to a

decision module to collect the

outputs of the two half modules,

which ranging from +1 for (face) and

-1 for (non-face),

 


Refbacks

  • There are currently no refbacks.