人脸关键点检测-递归编解码网络

本文介绍了如何使用Recurrent Encoder-Decoder Network进行人脸关键点检测,通过递归学习处理视频帧,实现从粗到细的定位。网络包括编码、解码、回归、空间和时间递归学习模块,以及监督身份分离,提升模型性能和鲁棒性。
摘要由CSDN通过智能技术生成

本次介绍一篇关于人脸关键点检测(人脸对齐)的文章:

《ECCV16 A Recurrent Encoder-Decoder Network for Sequential Face Alignment》.

作者主页:https://sites.google.com/site/xipengcshomepage/project/face-alignment, 代码和预训练模型后面会放出来。

Introduction

目前,采用神经网络直接进行回归的的人脸关键点检测方法越来越多。虽然性能越来越好,但还是很容易受到大的人脸姿态变化以及严重遮挡的影响。

So,作者考虑,基于视频连续帧构建一个 recurrent encoder-decoder DNN模型。(PS. 个人觉得基于视频会使得应用场景受限,其次是即时速度)

encoder-decoder:即编码阶段先做特征学习,然后解码阶段做关键点回归。

recurrent: 即利用视频连续帧的信息,完成由粗到细的回归。

Recurrent Encoder-Decoder Network

首先给出方法的整体

  • 2
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
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