实习要做的深度学习的项目,先看论文预热一下:
Coarse-to-Fine Auto-Encoder Networks (CFAN) for Real-Time Face Alignment
Jie Zhang 1,2 , Shiguang Shan 1 , Meina Kan 1 , and Xilin Chen 11 Key Lab of Intelligent Information Processing of Chinese Academy of Sciences
(CAS), Institute of Computing Technology, CAS, Beijing 100190, China
2 University of Chinese Academy of Sciences, Beijing 100049, China
1.CFAN由4个级连的SAN网络构成,每个都是四层网络,三个隐层,用sigmoid激活,最后一层为线性激活。每一个SAN的输出图像分辨率逐渐变大,定位逐渐逼近精准。
第一个全局SAN用于粗定位68个形状特征点,输入为50*50的低分辨率图像,即2500个输入单元,最终输出为68个形状特征点的位置,即68*2=136个输出元素。中间层分别为1600,900,400个单元。
三个局部SAN的输入为68个特征点在高分辨率图中从周围区域提取出来的形状索引特征(SIFT)。输出仍然为逐步校正后的136个特征位置。原始输入应该是从每个形状特征点周围提取了128个SIFT特征,即共68*128=8704个特征,太大,采用PCA的方法,分别降维到了1695、2418、2440输入元素。中间层分别为1296,784,4