这篇论文是2015年CVPR为数不多和人脸关键点定位相关的文章。除此之外的两篇是:
Multi-Objective Convolutional Learning for Face Labeling - 使用DL方法进行parsing,包含头发的区域分割。
Project-Out Cascade Regression With and Application to Face Alignment - 结合回归器和梯度下降
论文的基础依然是SDM。 核心创新之处是:每次迭代不是简单地用回归更新一个形状(解空间中的一个点),而是更新解空间中的一个区域。
听来简洁,但论文的干货部分讳莫如深,看得人云山雾罩。好在作者在网页上给出了源码,梳理之后才能明白这妥妥是瞎写啊到底是咋做的。
http://mmlab.ie.cuhk.edu.hk/projects/CFSS.html
本文首先根据源码详细介绍算法,下半篇逐行解说源码。
1. 基本概念
标定数据data/raw_300W_release.mat,包含BBOX和关键点。训练数据约3100个,关键点顺序:x1,x2…y1, y2…。
注意,源码中把关键点称为“Pose”。
68个关键点如下: