Hyperface笔记

 

论文地址:

《2016 PAMI HyperFace: A Deep Multi-task Learning Framework for Face Detection, Landmark Localization, Pose Estimation, and Gender Recognition.

感谢:https://blog.csdn.net/LEE18254290736/article/details/84110996

.Hyperface-ResNet基于ResNet-101模型,并在此基础上实现了很大提升

浅层边与角落的信息敏感,因此浅层有更好的关键点位置信息

浅层处理,有助于学习关键点定位头部角度预测任务

深层更适合学习更复杂的任务,例如人脸识别性别识别

实现表明多任务学习比单任务学习效果要好,也要用好融合中间层。

两种后处理方法能有效提升识别效果:IRP与L-NMS

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    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
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

AI算法网奇

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