[人脸识别] (VALSE 2017)山世光——人脸识别年度进展

这篇博客总结了人脸识别的年度进展,包括通用目标检测方法应用于人脸检测,如Faster R-CNN和Cascade CNN,以及新数据集Wider Face的引入。在Face Alignment方面,探讨了形状回归和RNN在特征定位中的应用。Face Recognition部分强调了深度学习在特征学习和模型缩减中的作用。此外,还提及了表情识别的最新挑战和数据集EmotionNet。
摘要由CSDN通过智能技术生成

一、总体趋势

方法和技术层面

  • 全面深度学习化
  • 人脸技术不再有特殊性

应用层面

  • 引领CV领域的落地应用
  • 谨防倒春寒

 

二、方法与关键技术进展概况

Face Detection

  • 精进Faster R-CNN系列  Cascade CNN方法
  • 新的benchmark  Small Face Tiny face

Face Alignment

  • Cascaded Shape Regression --> RNN

Face Recognition

  • 数据为王,乏味可陈,需要新的benchmark

 

三、Face Detection

通用目标检测方法直接用于人脸检测

  • Faster R-CNN在FDDB上误检时检测率(召回率)90.4%

原有数据集FDDB  IJB-A  MALF

  • 检测精度接近饱和
  • 数据量有限,且场景相对单一
  • 没有专门的训练集和验证集
  • 标注不规范,评测方式不统一

新的数据集:Wider Face

主要特

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
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