[论文分析] Face Landmark Localization Using a Single Deep Network

最新推荐文章于 2022-08-15 15:19:54 发布
最新推荐文章于 2022-08-15 15:19:54 发布
阅读量1.7k 收藏
点赞数
分类专栏： 论文研读 文章标签： 神经网络 CNN face-align CCBR 人脸特征点定位
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sinat_34710845/article/details/53439697
版权

解析：
论文 Face Landmark Localization Using a Single Deep Network 是本人在CCBR2016 上发表的一篇关于人脸特征点定位的文章，文章主要是围绕着现有的人脸特征点定位方法展开阐述的，文章的思想是把人脸特征点作为一个单一的问题去解决，同时提出基于双卷积神经网络在人脸特征点定位方面的应用。

  • 实验结果

精度对比，分别在Bioid数据库，LFPW数据库等数据库上面的结果：
这里写图片描述
这里写图片描述

-速度：
在GPU加速对单张人脸图片定位仅需要1~2ms，cpu（i5）上一张图片大概12ms。
- 结果展示
这里写图片描述

  • -

附论文下载：
论文下载
论文demo：
（待上传）
MFID数据库下载：
MFID数据库下载

一只在拱菜的猪
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【人脸关键点检测论文解读】Facial landmarks localization using cascaded neural networks
qq_43050258的博客
04-19 3722
论文链接 论文中提到的一些知识点： 1、反向传播 2、CED : NME和数据集比例曲线，衡量在NME达到一定错误率时，已经覆盖的数据集比例，模型的鲁棒性指标 这篇论文是2021年发表在计算机视觉和图像理解（CVIU）上面的 CCNN 是一种完全由数据驱动且可端到端训练的人脸定位方案。它扩展了之前基于热图的本地化结果（Belagiannis 和 Zisserman，2017 年），实验证明它对头部姿势的大变化具有鲁棒性。此外，当使用最先进的人脸对齐数据集进行评估时，它与当代人脸定位方案相比具有优势。所提出
【论文解读】Wing Loss for Robust Facial Landmark Localisation with Convolutional Neural Networks
05-05 3079
这篇论文有以下4个方面的贡献，这里我主要是分析前两点贡献，这也是让我感觉最新颖的地方： 对基于CNN的人脸关键点检测方法中用到的各类损失函数做了系统分析，比较了L1、L2以及smooth L1损失函数，发现L1和smooth L1比L2性能更优; 提出了一个新的损失函数Wing loss，旨在提高深度网络训练过程中应对小范围和中等范围内的误差的能力； 提出了基于姿态的(pose-ba...
【Wing Loss】《Wing Loss for Robust Facial Landmark Localisation with Convolutional Neural Networks》
bryant_meng
06-09 1940
CVPR-2018脸部的关键点， 如鼻尖，眼中心，为其他诸如人脸识别 / 表情识别 / 3D 人脸重建等脸部分析任务提供了丰富的 geometric information深度学习的发展也使得人脸关键点定位任务在非结构化人脸的场景下有了大的提升One crucial aspect of deep learning is to define a loss function leading to better-learnt representation from underlying data.本文作者分析了不
人脸关键点: Wing Loss for Robust Facial Landmark Localisation with Convolutional Neural Networks
TensorSense的博客
04-30 1万+
Wing Loss for Robust Facial Landmark Localisation with Convolutional Neural Networks 由萨里大学研究人员（第一至四作者）与江南大学研究人员（第五作者）共同研究，被CVPR2018收录，最早于2017年11月在arXiv上发表(美[ˈɑ:rkaɪv]) ： https://arxiv.org/abs/1711.06
OpenFace使用文档-命令行
sagima_sdu的博客
08-15 927
https://github.com/TadasBaltrusaitis/OpenFace/wiki/Command-line-arguments
face landmark
09-13
face-landmark-localization This is a project predict face landmarks (68 points) and head pose (3d pose, yaw,roll,pitch)
Dlib FaceLandmark Detector 1.3.0.zip
11-25
Dlib FaceLandmark Detector 1.3.0.unitypackage,导入unity可使用。需要配合opencv for unity插件一起使用。在unity asset内dlib facelandmark detector官网页面有介绍，注意版本。支持ARM64架构。
face_landmark_model.zip
12-31
Ubuntu下安装OpenCV时可能下载不下来的face_landmark_model.dat文件。
Dlib FaceLandmark Detector 1.3.0.unitypackage
05-27
Dlib FaceLandmark Detector 1.3.0.unitypackage 需要依赖opencv
face_landmark_model.dat.zip
06-20
face_landmark_model.dat，opencv编译所需要的文件,适用于linux与Mac系统的编译，windows编译暂时没有测试过，可能不适用。
Face-Transformer:人脸识别变压器
04-13
脸部变形金刚 这是用于识别的人脸变压器（ ）的代码。 最近，不仅在NLP中，而且在计算机视觉中，都对Transformer产生了极大的兴趣。 我们想知道是否可以将变压器用于人脸识别，以及它是否比CNN更好。 因此，我们研究了人脸识别中Transformer模型的性能。 这些模型在大规模人脸识别数据库MS-Celeb-1M上进行了训练，并在几个主流基准上进行了评估，包括LFW，SLLFW，CALFW，CPLFW，TALFW，CFP-FP，AGEDB和IJB-C数据库。 我们证明，在具有相似数量的参数和MAC的情况下，Transformer模型可实现与CNN相当的性能。 使用说明 1.准备 该代码主要从和。 除了PyTorch和torchvision，安装由，和包由。 衷心感谢他们的贡献。 pip install vit-pytorch pip install timm==0.3.2 将
openface命令行参数使用介绍
bj233的博客
02-07 2187
原文：https://github.com/TadasBaltrusaitis/OpenFace/wiki/Command-line-arguments 目录一、使用示例二、文献资料1. FaceLandmarkImg2. FeatureExtraction和FaceLandmarkVidMulti3. FaceLandmarkVid4. 所有通用参数 一、使用示例 与OpenFace交互的一种方式是通过命令行参数（例如Windows中的命令提示符或PowerShell和Unix系统上的xterm）。为此，
OpenFace2.2.0的使用
weixin_44508918的博客
03-18 3568
OpenFace2.2.0的使用 OpenFace系列文章 windows10安装OpenFace2.2.0教程 文章目录OpenFace2.2.0的使用OpenFace系列文章前言一、OpenFace功能模块二、使用示例1.提取C:\my videos\video.avi中的人脸信息（只包含一个人）2.如果上述文件中包含多个人脸3.如果你想一次处理多个视频文件4.如果你只是想提取头部姿态信息（而非全部信息）5.如果你想提取一个文件夹（C:\my videos\sequence1）下所有图片的信息6.如
开发实战系列教程 第四篇
英特尔边缘计算社区
03-15 3983
第4章 人脸与Landmark检测 前面一章主要介绍了图象分类的基本原理、常见模型、迁移学习的基本概念。结合这些基础概念介绍了Pytorch中预训练模型库的使用，以及如何基于自定义数据与迁移学习实现自定义图象分类模型训练与部署使用。 本章我们将更近一步，说明如何使用OpenVINO™工具套件中自带的模型库，实现人脸检测与landmark检测。然后通过我们我们自己收集与整理并标注一个人脸landmark数据集，实现自定义人脸landmark模型的训练与部署测试。帮助读者更好的了解OpenVINO™工...
魔改Attention大集合
小白学视觉
06-17 603
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达关注视导读如何对attention进行高效改进？本文盘点了相关论文，并梳理出它们的引用量、代码实现、算法复杂度和关键点，方便对比使用。前几天逛github刷到一个awesome-fast-attention大列表，整理了一系列关于attention的高效改进文章，包括论文、引用量、源码实现、算法复杂度...
深度学习（十七）基于改进Coarse-to-fine CNN网络的人脸特征点定位
热门推荐
hjimce的专栏
11-29 2万+
本篇博文主要讲解2013年face++的大牛们提出的改进的DCNN模型《Extensive Facial Landmark Localization with Coarse-to-fine Convolutional Network Cascade》，发表于2013年ICCV上的一篇用于定位多个人脸特征点的文献，实现了68个人脸特征点的高精度定位。这篇paper没有给出训练数据，也没有给出测试模型、源代码等，所以源代码需要自己写，训练数据我们需要自己到IBUG网站下载，可以下载到两千多张的训练数据，这篇p
Facial Landmark Detection
weixin_30345577的博客
03-23 263
源地址：http://www.learnopencv.com/facial-landmark-detection/#comment-2471797375 OCTOBER 18, 2015BYSATYA MALLICK51 COMMENTS Facial landmark detection using Dlib (left) and CLM-framework (right...
Face Landmark Localization Using a Single Deep Network 中MFID数据库下载
一只在拱菜的猪
12-03 1486
Face Landmark Localization Using a Single Deep Network 中MFID数据库是本人为了更好地说明模型的优势，亲自手工标注的人脸特征点数据库，其中包含了827张人脸数据，每张标定5个特征点，详细的请参看相关的论文，附论文对数据库的介绍： —MFID (Multiple Face Images Database): To evaluate the mo
使用paddlehub face_landmark_localization进行面部图像精确处理
kenshin516163的博客
05-01 1893
人脸关键点检测是人脸识别和分析领域中的关键一步，它是诸如自动人脸识别、表情分析、三维人脸重建及三维动画等其它人脸相关问题的前提和突破口。 paddlehub提供了face_landmark_localization模型，可以快速的提供人脸部68个关键点（人脸轮廓17个点，左右眉毛各5个点，左右眼睛各6个点，鼻子9个点，嘴巴20个点）。 我计划试验在这68个点的基础上，为目标图像进行一个唐代妆容的美...
dlib facelandmark detector1.3.2
最新发布
11-15
除了在人脸识别和表情分析领域应用广泛之外，dlib facelandmark detector 1.3.2还可以用于人脸美化、虚拟试妆等应用。通过获取人脸的特征点位置，可以实现对人脸的形状、轮廓进行调整，为用户提供更好的美妆体验。 ...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值