人脸对齐:人脸关键点检测发展概述(含数据集及论文解读)

4个月的实习结束了,本文主要记录自己实习期间对人脸关键点检测的调研结果。

目录结构

在这里插入图片描述

1.背景介绍

在这里插入图片描述

2.开源数据集

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

3.评价指标

在这里插入图片描述
在这里插入图片描述

4.检测方法

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

5.论文解读

5.1传统方法

5.1.1 Active Shape Models-Their Training and Application

在这里插入图片描述
在这里插入图片描述

5.2基于级联形状回归

5.2.1 Cascaded pose regression CVPR2010

在这里插入图片描述
在这里插入图片描述

5.3 基于深度学习

5.3.1 Deep Convolutional Network Cascade for Facial Point Detection CVPR2013

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

5.3.2 Extensive Facial Landmark Localization with Coarse-to-Fine Convolutional Network Cascade ICCV2013

在这里插入图片描述
在这里插入图片描述

5.3.3 Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks ECCV2016

在这里插入图片描述
在这里插入图片描述

5.3.4 Deep Alignment Network: A convolutional neural network for robust face alignment CVPR2017

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

5.4 前沿方法

5.4.1 Look at Boundary: A Boundary-Aware Face Alignment Algorithm CVPR2018

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

5.4.2 Style Aggregated Network for Facial Landmark Detection CVPR2018

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

5.4.3 Semantic Alignment: Finding Semantically Consistent Ground-Truth for Facial Landmark Detection CVPR2019

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

5.4.4 Robust Facial Landmark Detection via Occlusion-adaptive Deep Networks CVPR2019

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

6.部分论文复现成果展示

公开数据集
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
真实监控场景
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

  • 7
    点赞
  • 29
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论

“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 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

bluesliuf

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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