使用多任务学习方法进行人脸特征点和属性检测

最新推荐文章于 2024-07-06 14:59:07 发布
最新推荐文章于 2024-07-06 14:59:07 发布
阅读量3.9k 收藏 11
点赞数 3
分类专栏： 机器学习 CNN
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/zx0614shenluo/article/details/68954208
版权
本文介绍了如何使用多任务学习方法进行人脸特征点和属性检测，详细阐述了预处理、网络结构、训练参数设置及数据增广等关键步骤，并分享了在不同任务间的权重调整策略和实验结果。
摘要由CSDN通过智能技术生成

前言

这篇文章总结一下最近的工作，参考展鹏大神的14年论文

[ECCV2014]Facial Landmark Detection by MultiTask

15年的论文在14年的基础上做了进一步的优化，输入图像更大了，可以关注一下。

[IEEE15]Learning Deep Representation for Face Alignment with Auxiliary Attributes


一些细节

1、第四个卷积层可以使用locally connected layer代替，实现可参考贾扬清大神的回复https://github.com/BVLC/caffe/issues/837

2、每一个层后面都有一个激活层，包括预处理完数据之后。使用ReLU激活函数即可，landmark检测那路最后一处使用tanh激活函数

，因为坐标值可能为负值。文章中提到使用absolute tanh函数，这个问题水有点深，暂不讨论。

3、不同的任务共享同一个底部featureÿ

最低0.47元/天 解锁文章
excelgco
关注
专栏目录
【人脸】人脸特征点检测---级联方法DCNN、Face++(1)、MTCNN
weixin_41977337的博客
03-16 1632
论文：《Deep Convolutional Network Cascade for Facial Point Detection》 链接：http://mmlab.ie.cuhk.edu.hk/archive/CNN_FacePoint.htm 级联的思想，先进行粗检测，然后微调特征点。步骤如下： level1：3个CNNle...
基于深度学习的多任务人脸属性分析（基于飞桨PaddlePaddle）
钱彬的博客
07-24 2486
多任务人脸分析在多媒体、社交网络、计算机视觉等领域有着非常广泛的应用，不同于我们所熟知的“人脸检测”、“人脸验证”、“人脸比对”等技术，多任务人脸分析可以理解为给定一张肖像图，算法自动给出对应的属性分析值，例如“是否戴了口罩”、“是否戴了墨镜”、“人脸是否模糊”、“性别”、“年龄”、“肤色”、“表情“等等。这里不同属性的预测代表不同的子任务，因此，多任务人脸分析是一个典型的多任务学习任务。...
基于深度学习的人脸多任务识别(附代码)
最新发布
z240626191s的博客
07-06 669
本项目为人脸多任务识别(单输入，多输出)，可以同时输出人脸关键点、性别和年龄。 采用了两个算法进行应用的实现，人脸目标检测和人脸多任务识别。 其中人脸目标检测采用YOLOV5进行实现，主要对人脸部分进行截取，再送入多任务网络进一步处理
人脸属性多任务学习：Heterogeneous Face Attribute Estimation: A Deep Multi-Task Learning Approach
yyqq7226741的博客
11-09 1299
人脸属性多任务学习，分享特征学习权值，属性划分
人脸关键点检测之Facial landmark detection using Multi-Task Learning
LeeWanzhi的博客
05-09 1275
2014 ECCV的paper 1. Introduction 作者认为，人脸关键点检测不是一个孤立的问题，应该与其他问题联系起来(比如头的姿势、有无旋转、有无戴眼镜、有没有笑)。 为什么要这样猜想呢？因为人脸处于不同的状态，其特征也是不同的。对于不同的图片，如果CNN能区分出它的状态，那么会更有利于检测关键点。比如侧脸和正脸的关键点的位置是不同的。有没有旋转，关键点的分布也是不同的。 ...
人脸多任务（年龄，性别等）检测的解决方案
互联网知识分享
12-10 319
人脸多任务检测是指在人脸识别领域中，不仅能够检测人脸的位置和大小，还能够同时检测出人脸的年龄、性别等多个属性。人脸多任务检测是计算机视觉领域的一个重要问题，可以通过深度学习模型实现对人脸位置、年龄、性别等属性的检测。在上面的代码中，我们首先加载了MTCNN模型，然后读取了一张图片，调用模型的detect_faces方法进行人脸检测，最后遍历每一个检测到的人脸，绘制人脸框和关键点，并展示检测结果。通过上述代码案例，我们可以实现基于MTCNN模型的人脸多任务检测，包括人脸位置、年龄、性别等属性的检测。
TengineKit - 免费，快速，简单，实时的人脸检测和人脸特征和面部属性SDK在移动设备上
08-07
5. 属性分析：根据提取的特征进行面部属性分析，如性别、年龄、表情等。 6. 结果展示：将检测和分析结果以图形方式显示在用户界面上。 总的来说，TengineKit是移动开发中实现人脸识别和面部分析的理想选择，它结合...
基于深度学习的多任务人脸检测的设计与实现.pdf
08-18
在本文中，我们提出了一种基于深度学习的多任务人脸检测方法，使用三级联网络架构来完成人脸检测、人脸框坐标获取和人脸关键点坐标获取三个任务。我们的方法可以同时完成三个任务，且性能优于传统方法和部分深度学习...
face_landmark:一种基于机翼损失和多任务学习的简单人脸对齐方法
05-09
它简单而灵活，可以通过机翼损失训练，多任务学习以及基于头姿势和脸部属性（眼睛状态和嘴巴状态）的数据增强来进行训练。 我建议您可以尝试其他项目，包括人脸检测和关键点，并进行了一些优化，您可以在进行检查。...
使用C++基于颜色纹理特征的人脸活体检测实现-附项目源码.zip
05-21
在本项目中，"使用C++基于颜色纹理特征的人脸活体检测实现"是一个涉及到计算机视觉和机器学习领域的技术应用。这个项目的核心是利用颜色和纹理特征来区分真实的人脸和非活体图像，例如照片或3D模型，从而实现有效的...
[深度学习]语义分割、分类定位与目标检测
热门推荐
北望花村
07-30 2万+
语义分割 定义：输入图像，并对图像中的每个像素做分类。 以第一幅图像为例，图像中是一只可爱的猫在草地上散步。输出结果应该是，对于每个像素，确定它属于猫、草地或者天空，或者背景亦或其他分类。语义分割并不区分同类目标。也就是说，不会区分第二幅图的这两头牛，这是语义分割的缺点。 语义分割的方法： 滑动窗口：从图像中提取各个图像块，并且分类。缺点：计算繁琐，效率低。 全卷积神经网络： ...
第三篇：基于深度学习的人脸特征点检测 - 数据集整理
zhangjiaxuu的博客
11-01 3181
https://yinguobing.com/facial-landmark-localization-by-deep-learning-data-collate/ 在上一篇博文中，我们已经下载到了包括300-W、LFPW、HELEN、AFW、IBUG和300-VW在内的6个数据集，初步估算有25万个样本可以使用。同时还发现了一篇论文描述了采用深度神经网络来提取特征点的方法。在本篇文章中，我们将...
深度学习笔记（33） 特征点检测
氢键H-H
08-13 1万+
设定特征点和关键特征点
深度学习——物体检测算法：R-CNN，SSD,YOLO（笔记）
jbkjhji的博客
12-22 2297
④yolo 在后续的版本（V2,V3,V4...）中有持续的改进，但是核心思想没有变，真实的边缘框不会随机的出现，真实的边缘框的比例、大小在每个数据集上的出现是有一定的规律的，在知道有一定的规律的时候就可以使用聚类算法将这个规律找出来（给定一个数据集，先分析数据集中的统计信息，然后找出边缘框出现的规律，这样之后在生成锚框的时候就会有先验知识，从而进一步做出优化）①输入图像后，首先进入一个基础网格抽取特征，抽取完特质之后对每个像素生成大量的锚框（每个锚框就是一个样本，然后预测锚框的类别和偏移）
深度学习，分类，检测，分割，模型评价指标总结
TYtangyan的博客
05-08 3011
当我们训练完自己的模型以后，怎样知道不同的权重到底哪个好呢。一张张看？显然不合理，所以需要有一个衡量的标准。 1.分类网络： 首先要知道TP,FP,TN,FN的概念 如下图： 多种类的时候可以使用混淆矩阵来看一下分类的结果： 预测 实际 0 1 2 3 0 5 3 ...
深度学习与人脸识别
qq314000558的专栏
11-06 1254
IDL内部分享的人脸识别技术。 深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据。 卷积神经网络(CNN) 局部连接 传统的神经网络是全连接，即一层的神经元与上一层的所有神经元都建立连接，这样导致参数非常多，计算量非常大，而CNN是局部连接，一层的神经元只与上一层的部分神经元建立连接，这样可以减少参数和计算量。 ...
SLAM | GCN系列：深度学习用于特征点提取并替换ORB，在TX2上达到实时
AI算法修炼营的博客
05-30 6699
点击上方“AI算法修炼营”，选择“星标”公众号精选作品，第一时间送达论文地址：https://arxiv.org/pdf/1902.11046v3.pdf代码地址：https://git...
深度学习检测小目标常用方法
lyk_ffl的专栏
11-11 701
## 引言 在深度学习目标检测中，特别是人脸检测中，小目标、小人脸的检测由于**分辨率低，图片模糊，信息少，噪音多**，所以一直是一个实际且常见的困难问题。不过在这几年的发展中，也涌现了一些提高小目标检测性能的解决手段，本文对这些手段做一个分析、整理和总结。 **欢迎探讨，本文持续维护。** ## 实验平台 N/A ## 传统的图像金字塔和多尺度滑动窗口检测 最开始在深度学习方法流行之前，对于不同尺度的目标，大家普遍使用将原图build出**不同分辨率的图像金...
人脸识别技术解析：人脸检测、配准与属性识别
"该资源为一份详细讲解人脸识别技术的资料，涵盖了人脸检测、人脸配准和人脸属性识别等核心概念。" 1. **人脸检测**： 人脸检测是计算机视觉领域的一个关键技术，用于在图像中找出人脸的位置。它接收图像作为输入...
评论 5
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