人脸和手部特征点检测
1. Schedule of Face Recognition
2. 人脸识别应用模式
3. Facial Landmark Detection
4. Current
5. 挑战
干扰因素:
主动因素 + 固有因素;
推广性挑战:
海量比对 + 分布差异
6. Orientation
更快的速度:需要满足嵌入式等设备;
更高的精度:解决小尺度、遮挡问题;
多任务联合:实例分割 = 检测 + 分割;
视频中检测:关键帧信息加速,提精度
7. Facial Landmark Detection
现有问题:
➢ 大量训练数据都是正脸,侧脸等从其他角度观看的图面较之而言非常少;
➢ 实际应用的中,对于一些极端情况,如遮挡(手部、眼镜)、光照(强光、弱光)、极端姿态(yaw、pitch、raw较大的时候)、极端面部表情等。
解决方案:
➢ 通过采用特征描述能力更强的backbone(如DenseNet、CSPDarkNet53等);
➢ 增加极端情况下的训练数据、平衡各类情况下的训练数据的比例、控制数据数据的采样形式(非完全随机采样)。
8. LLCV: 8000
旷视研究院 LLCV 组的“8000点人脸关键点技术”;单张彩色图像或单段视频作为输入,提取出面部稳定鲁棒的 8000 个 3D 关键点。
通过 10,000,000 张人脸数据的训练,该技术可以精细刻画全脸 3D 特征,支持全方位姿态、各种极端表情,并且能在移动端平台实时运行