CV-人脸分析-人脸识别
人脸识别、人脸特征点检测、人脸分割等相关论文导读。
goodluckcwl
有价值、有影响力的研究
展开
-
人脸特征点检测(四)基于全卷积神经网络的方法
人脸特征点检测,可以看成一个像素级的预测问题。用全卷积神经网络来做,是近年来的新思路。本篇主要尝试用FCN实现人脸特征点检测,探索网络结构和训练技巧。网络结构现有的网络结构非常多,本次决定自行设计,采用最常用的类VGG结构。首先确定网络的输入图片大小为112*112,其中人脸大小为60*60。网络的层数由感受域确定,保证最小的那一层的感受阈覆盖图片的1/3大小左右。 于是设计出如下的...原创 2018-03-05 14:56:41 · 2065 阅读 · 4 评论 -
人脸特征点检测(三)基于神经网络的方法:VGG,Mobilenet-v2尝试
本篇主要尝试着用CNN做特征点检测。主要尝试Cascaded CNN的结构 用相对于瞳距归一化的欧式距离损失函数,可以收敛。主要的trick是图片要扩增,以及学习率要调整。 5个点和68点的差异主要在于轮廓点比较难训练一些。 以下是训练5个点的loss曲线: 最终示例图片如下: 这个结果其实不是特别好,有比较多的改进的地方。...原创 2018-03-05 14:44:37 · 5926 阅读 · 8 评论 -
人脸特征点检测(二)参数化模型方法
本篇主要讨论Zhu et.al [1] 的工作。该方法是一个同时人脸检测、姿态估计和特征点检测的方法。主要优点是可以同时检测正脸和侧脸的关键点。缺点主要是运行速度比较慢,平均一张500×500的图像需要几秒钟时间检测。这主要是因为论文中采用了13个模板去匹配;同时计算特征金字塔需要的时间较多。 这个工作是2012年的工作,已经比较老了。在2015年的时候,我把作者提供的代码写成了C++以加速。代...原创 2018-03-05 14:34:26 · 1896 阅读 · 0 评论 -
人脸特征点检测(一)综述
人脸特征点检测综述人脸特征点检测是指定位脸部预定义的关键点,比如眼睛、鼻子、嘴巴等。人脸特征点检测是近年的研究热点,在人脸识别、人脸重建等领域有重要的应用。 人脸特征点检测的方法可以分成:基于参数化模型的方法:ASM、AAM、CLM等基于回归的方法:ESR、SDM、RCPR、LBP等基于神经网络的方法:包括CNN/RNN/FCN等...原创 2018-03-05 14:24:43 · 2289 阅读 · 0 评论 -
人脸识别(五)2018 Face Recognition via Centralized Coordinate Learning
本篇是人脸识别的第五篇文章: 人脸识别第一篇:Center Loss 人脸识别第二篇:SphereFace 人脸识别第三篇:CosFace 人脸识别第四篇:ArcFace 人脸识别第五篇:CCL方法这篇论文依然是在归一化上考虑。主要思想是:对特征层做白化。如下式 与其他文章一样对权重也做了归一化。这篇的实验效果还不错。我觉得主要提升一是对齐方式的改进;二是图像比较大;三是网...原创 2018-03-08 20:50:30 · 3863 阅读 · 0 评论 -
人脸识别(四):2018 ArcFace: Additive Angular Margin Loss for Deep Face Recognition
本篇是人脸识别的第四篇文章: 人脸识别第一篇:Center Loss 人脸识别第二篇:SphereFace 人脸识别第三篇:CosFace 人脸识别第四篇:ArcFace 人脸识别第五篇:CCL方法ArcFace [1] 也是对Sphereface的改进工作,主要的改进也是loss函数中角度裕量的添加方式。其中目标函数定义为: 而我们之前看的cos face的目标函数是...原创 2018-03-08 17:47:56 · 11792 阅读 · 2 评论 -
人脸识别(三):2017 Additive Margin Softmax for Face Verification
本篇是人脸识别的第三篇文章: 人脸识别第一篇:Center Loss 人脸识别第二篇:SphereFace 人脸识别第三篇:CosFace 人脸识别第四篇:ArcFace 人脸识别第五篇:CCL方法这篇是对sphereface的改进之一,具体的方法是把角度裕量从cos(mθ)改进为cos(θ)+mcos(mθ)改进为cos(θ)+mcos(m\theta) 改进为 cos(\th...原创 2018-03-08 17:25:36 · 4202 阅读 · 0 评论 -
人脸识别(二):Cvpr 2017 Sphereface
本篇是人脸识别的第二篇文章: 人脸识别第一篇:Center Loss 人脸识别第二篇:SphereFace 人脸识别第三篇:CosFace 人脸识别第四篇:ArcFace 人脸识别第五篇:CCL 这篇文章的思想是:使得类间距离的最小值大于类内距离的最大值,同时保留较大的裕量.归一化softmax前的全连接层权重,则优化的是角度. 提出了一种角度的softmax.学习到角度判别...原创 2017-07-31 00:02:05 · 8994 阅读 · 7 评论 -
人脸识别(一)A Discriminative Feature Learning Approach for Deep Face Recognition
本篇是人脸识别的第一篇文章: 人脸识别第一篇:Center Loss 人脸识别第二篇:SphereFace 人脸识别第三篇:CosFace 人脸识别第四篇:ArcFace 人脸识别第五篇:CCL 这篇文章为了最小化类内差距,在softmax loss上添加一项center loss,即每个样本和它对应的类别的特征向量的中心的距离。我觉得这个做法跟线性判别分析LDA设计目标函数的时候有点...原创 2016-12-20 15:54:35 · 5349 阅读 · 0 评论