本文介绍了利用深度卷积网络（CNN）进行人脸关键点检测的方法，通过三级卷积网络逐步提高定位精度。网络设计考虑了人脸全局特征和关键点间的几何约束，能有效应对遮挡、大姿态变化和极端光照。实验表明该方法在准确性和可靠性上超越了现有技术。讨论了结构、权重初始化、训练样本、ReLU函数使用和学习率对训练效果的影响，并提供了初步实现的代码链接。
CNN人脸关键点检测
参考文献《Deep Convolutional Network Cascade for Facial Point Detection》\
摘要
提出一种利用精心设计的三级/三层(three-level)卷积网络估计面部关键点位置的新方法。
At each level，多网络(multiple networks)的输出是鲁棒性和精确估计的保证。
卷积网络的深层结构助于定位高精度的关键点，全局高层次的特征基于整个人脸面部在初始化阶段提取。
优势一，整个人脸的纹理上下文信息用来定位每个关键点。
优势二、因为网络被训练来用于同时预测所有的关键点，关键点间的几何约束被隐式的编码。
所以，该方法可以避免由歧义和数据损坏引起的局部极小(in difficult image samples due to occlusions, large pose variations, and extreme lightings）。The networks at the following two levels are trained to locally refine initial predictions and their inputs are limited to small regions around the initial predictions. Several network structures critical for accurate and robust facial point detection are investigated. Exten
最低0.47元/天 解锁文章
扫一扫
2444
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
