深度学习人脸特征点自动定位综述

最新推荐文章于 2022-12-10 22:12:13 发布

数据派THU

最新推荐文章于 2022-12-10 22:12:13 发布

阅读量258

点赞数

文章标签：人脸识别人工智能机器学习深度学习算法

原文链接：https://mp.weixin.qq.com/s?__biz=MzI1MjQ2OTQ3Ng==&mid=2247552771&idx=3&sn=006179601aee2035bf3481e62c56b81e&chksm=e9e10688de968f9e38aa3db2175a2b4ad72fa8c767b08a0410323dd7bf27dfae45766a559638&scene=126&&sessionid=0

版权

本文综述了基于深度学习的人脸特征点自动定位技术，该技术对于人脸识别和分析至关重要。2维人脸特征点定位研究较为成熟，而3维定位仍面临模型表示、处理方法和样本数量的挑战。未来研究趋势将集中在3维人脸特征点定位。

摘要由CSDN通过智能技术生成

来源：专知
本文为论文，建议阅读5分钟本文对基于深度学习的人脸特征点自动定位进行综述。

人脸特征点定位是根据输入的人脸数据自动定位出预先按人脸生理特征定义的眼角、鼻尖、嘴角和脸部轮廓等面部关键特征点，在人脸识别和分析等系统中起着至关重要的作用。本文对基于深度学习的人脸特征点自动定位进行综述，阐释了人脸特征点自动定位的含义，归纳了目前常用的人脸公开数据集，系统阐述了针对2维和3维数据特征点的自动定位方法，总结了各方法的研究现状及其应用，分析了当前人脸特征点自动定位技术在深度学习应用中的现状、存在问题及发展趋势。在公开的2维和3维人脸数据集上对不同方法进行了比较。通过研究可以看出，基于深度学习的2维人脸特征点的自动定位方法研究相对比较深入，而3维人脸特征点定位方法的研究在模型表示、处理方法和样本数量上都存在挑战。未来基于深度学习的3维人脸特征点定位方法将成为研究趋势。

http://www.cjig.cn/jig/ch/reader/view_abstract.aspx?file_no=20211108&flag=1