【人脸】人脸关键点检测---FAN、Stacked Hourglass Network

最新推荐文章于 2024-03-28 09:41:27 发布
最新推荐文章于 2024-03-28 09:41:27 发布
阅读量762 收藏 2
点赞数
文章标签： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_41977337/article/details/104921543
版权
一、论文：《Stacked Hourglass Network for Robust Facial Landmark Localisation》2017年本文提出的方法主要由两部分构成：人脸转换和stacked Hourglass网络Step1：人脸转换 目的是减弱数据中大姿态的变化对人脸对齐的影响。通过平移、缩放、旋转变化来校正成平均人脸图像，通过5点的关键点来完成，...
摘要由CSDN通过智能技术生成

一、论文：《Stacked Hourglass Network for Robust Facial Landmark Localisation》2017年

本文提出的方法主要由两部分构成：人脸转换和stacked Hourglass网络

这里写图片描述

Step1：人脸转换

       目的是减弱数据中大姿态的变化对人脸对齐的影响。通过平移、缩放、旋转变化来校正成平均人脸图像，通过5点的关键点来完成，使用相似变换进行校正图像。 

Step2：stacked Hourglass网络(4阶)

      Houglass网络能够提取多尺度具有辨别力的特征，也可以作为一个回归器去定位最后的关键点坐标。其网络结构如下：

这里写图片描述

损失函数：

最低0.47元/天 解锁文章
苍穹sky
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
FAN 2D/3D人脸关键点预测论文解读
rainforestgreen的博客
12-25 4104
论文全称为： How far are we from solving the 2D & 3D Face Alignment problem? (and a dataset of 230,000 3D facial landmarks) 简介       ICCV 2017的论文，结合最先进的人脸特征点定位（landmark localization）架构和最先进的残差模块（residu...
基于沙漏网络的人脸面部特征点检测
01-26
针对头部姿态变化较大、脸部遮挡等情况下,由面部特征类型多样和尺度不同造成的面部特征点检测准确度较低的问题,提出了一种面部分组特征线条化和点热图回归相结合的人脸特征点检测方法,并设计了两段式堆叠沙漏网络...
人脸关键点检测论文总结
weixin_45595437的博客
05-09 1787
文章目录第一部分：人脸关键点检测历年论文汇总1.1 2014 年1.1.1 ECCV 2014: TCDCN —— Facial Landmark Detection by Deep Multi-task Learning 第一部分：人脸关键点检测历年论文汇总 1.1 2014 年 1.1.1 ECCV 2014: TCDCN —— Facial Landmark Detection by Deep Multi-task Learning 作者：香港中文大学汤晓鸥团队 出发点：人脸关键点的检测会受到其他任务
人脸关键点检测10——FAN
小花生的博客
07-14 6254
《How far are we from solving the 2D & 3D Face Alignment problem? (and a dataset of 230,000 3D facial landmarks)》 ICCV2017，诺丁汉大学，FAN 1.引言： cascaded regression methods 在人脸对齐上取得不错的效果，但是当存在 large...
人体关键点检测--hourglass
Bismarckczy的博客
09-26 362
hourglass网络 主要参考。 https://towardsdatascience.com/using-hourglass-networks-to-understand-human-poses-1e40e349fa15
（转）人脸关键点检测10——FAN
小C的博客
04-18 922
【时间】2019.04.18 【题目】人脸关键点检测10——FAN 最近在看关键点检测的内容，使用dlib库进行68个关键点的检测，其中使用到的与训练模型为2DFAN，与下面的博文相关。 人脸关键点检测10——FAN ...
人脸关键点检测11——Stacked Hourglass Network
小花生的博客
07-14 5131
《Stacked Hourglass Network for Robust Facial Landmark Localisation》 CVPR2017, Jing Yang 、Qingshan Liu 本文提出的方法主要由两部分构成，face transformation和stacked Hourglass Networks。 第一步：supervised face transform...
级联层叠金字塔网络模型的服装关键点检测
05-06
为此，本文提出了一种级联层叠金字塔网络模型CSPN （Cascaded Stacked Pyramid Network），将目标检测方法与回归方法相结合，首先采用Faster R-CNN结构对服装目标区域进行识别，然后基于ResNet-101结构生成的多层级...
react-stacked-carousel:带有堆叠卡片的旋转木马
05-31
react-stacked-carousel 带有堆叠卡片的旋转木马 安装 npm install --save react-stacked-carousel 用法 import React , { StyleSheet , useState } from 'react' import { StackedCarousel } from 'react-stacked...
LSTM-based Stacked Autoencoder for Multivariate time Series forecasting.pdf
03-31
Unsupervised pre-training of a Deep LSTM-based Stacked Autoencoder for Multivariate time Series forecasting problems Alaa Sagheer
ember-stacked-tree
07-06
"ember-stacked-tree"是一个基于JavaScript的库，专门用于创建具有独特特性的树形数据结构。这个库的主要目的是提供一种方式来展示层次结构的数据，并且它具有几个关键特性，使得它在可视化和交互方面十分独特。 ...
人脸关键点检测FAN——bottleneck blocks
小花生的博客
07-14 4317
《Binarized Convolutional Landmark Localizers for Human Pose Estimation and Face Alignment with Limited Resources》 这篇文章是对特征点定位网络（pose estimation & facial landmark detection）进行加速和压缩的工作。文章以Hourglas...
人脸关键点检测1——SDN
小花生的博客
05-28 1584
论文题目：《Effective Face Landmark Localization via Single Deep Network》 method: SDN(single deep network) 数据集：COFW和300-W（Helen） SDN由直连堆叠的三组层构成，每组包含两个卷积层和一个最大池化层。 网络结构： 激活函数和损失函数： euclidean_...
【汇总】人脸关键点检测
咖啡味儿的咖啡
07-18 311
方法汇总： 1、https://zhuanlan.zhihu.com/p/42968117 2、https://blog.csdn.net/lgh0824/article/details/85070490 数据集： 1、https://blog.csdn.net/hacker_long/article/details/83660400 2、https://zhuanlan.zhihu.c...
关键点检测——无监督
小花生的博客
07-14 4103
《Unsupervised Discovery of Object Landmarks as Structural Representations》 CVPR2018，Yuting Zhang et al。 本文使用无监督的方式来发现结构表现的目标关键点。 网络结构： 采用的是名为 hourglass 的网络构架，以图片作为输出，该网络输出 k+1 个 channel，含有 k 个...
Stacked Hourglass Networks for Human Pose Estimation 代码详解
逆熵而行
11-18 7079
Stacked Hourglass Networks for Human Pose Estimation 代码详解论文整体简介网络架构实现创建网络Residual模块Houglass模块Hourglass模块之间损失函数预测实战 论文整体简介 这是2016年中获得人体姿态识别得分最高的论文，在FLIC和MPII数据集上达到了state-of-the-art的效果。最近几年人体姿态估计（单人或多人）...
Hourglass FaceKeyPoints Detection：智能面部关键点检测的新里程碑
最新发布
gitblog_00006的博客
03-28 476
Hourglass FaceKeyPoints Detection：智能面部关键点检测的新里程碑 项目地址:https://gitcode.com/raymon-tian/hourglass-facekeypoints-detection 在人工智能领域，计算机视觉的进步正改变我们对图像处理和分析的方式。其中一个引人注目的应用是面部关键点检测，它能够识别并定位人脸上的各种特征，如眼睛、鼻子、嘴巴等...
Stacked Hourglass Networks - 堆叠沙漏网络结构详解
热门推荐
mlking200专栏
07-23 5万+
1.概述 姿态估计（pose estimation）在计算机视觉领域是一个非常重要的方向，人类动作理解，人机互动等等应用都需要精确的姿态识别。目前，绝大多数的2d姿态识别都是识别人体的关键点，比如，给定一张普通的RGB图像，算法会给出人体的脚踝，胳膊，面部等区域的关键点（keypoint）目前，基于stacked Hourglass Model的各种变种算法，牢牢占据了姿态检测的半壁江山，所以，...
人脸关键点: Wing Loss for Robust Facial Landmark Localisation with Convolutional Neural Networks
人工智能技术学习与分享
04-30 1万+
Wing Loss for Robust Facial Landmark Localisation with Convolutional Neural Networks 由萨里大学研究人员（第一至四作者）与江南大学研究人员（第五作者）共同研究，被CVPR2018收录，最早于2017年11月在arXiv上发表(美[ˈɑ:rkaɪv]) ： https://arxiv.org/abs/1711.06
stacked hourglass network
03-16
堆叠沙漏网络（Stacked Hourglass Network）是一种用于人体姿态估计的深度学习模型。该模型由Newell等人于2016年提出，其主要思想是将多个沙漏模块堆叠在一起，每个沙漏模块都包含了一个卷积神经网络和一个池化层，...

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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