中國學(xué)術(shù)論文查重入口,CNKI學(xué)術(shù)論文檢測系統(tǒng)-CNKI學(xué)術(shù)查重檢測系統(tǒng)入口
發(fā)布時(shí)間：2023-08-20 01:03:52 作者：學(xué)術(shù)小編 來源：www.adcyfwr.cn
作者分別來自天津大學(xué)、武漢大學(xué)、騰訊AI實(shí)驗(yàn)室、美國天普大學(xué)。 感謝各位大牛! 作者首先從算法實(shí)用性角度討論了人臉特征點(diǎn)檢測問題的面臨的挑戰(zhàn)。 人臉表情變化很大，真實(shí)環(huán)境光照復(fù)雜，而且現(xiàn)實(shí)中大量存在人臉局部被遮擋的情況等。
如果采取更大的網(wǎng)絡(luò)，特征點(diǎn)的預(yù)測會更加準(zhǔn)確魯棒，但耗時(shí)多，為了在速度和性能上做找到平衡點(diǎn)，使用較小的網(wǎng)絡(luò)，并采用級聯(lián)的思想，先進(jìn)行粗檢測，然后微調(diào)特征點(diǎn)位置。 下面是最終預(yù)測人臉特征點(diǎn)的landmarks_detection.py，其中人臉檢測采用的是級聯(lián)CNN或者opencv人臉檢測，在人臉檢測的基礎(chǔ)上預(yù)測人臉特征點(diǎn)位置，并將預(yù)測的相對位置轉(zhuǎn)換成圖像上的絕對坐標(biāo)。
作者認(rèn)為人臉檢測和人臉關(guān)鍵點(diǎn)檢測兩個(gè)任務(wù)之間往往存在著潛在的聯(lián)系，然而大多數(shù)方法都未將兩個(gè)任務(wù)有效的結(jié)合起來，本文為了充分利用兩任務(wù)之間潛在的聯(lián)系，提出一種多任務(wù)級聯(lián)的人臉檢測框架，將 人臉檢測和人臉關(guān)鍵點(diǎn)檢測 同時(shí)進(jìn)行。 MTCNN 包含三個(gè)級聯(lián)的多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)，分別是 Proposal Network (P-Net)、Refine Network (R-Net)、Output Network (O-Net) ，每個(gè)多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)均有三個(gè)學(xué)習(xí)任務(wù)，分別是 人臉分類、邊框回歸和關(guān)鍵點(diǎn)定位 。
該論文由港中文的孫祎、王曉剛、湯曉鷗提出，應(yīng)該是最早使用 CNN 進(jìn)行人臉關(guān)鍵點(diǎn)檢測的論文之一了。 在論文中，作者設(shè)計(jì)了 Three-level cascaded CNNs 用于人臉關(guān)鍵點(diǎn)檢測（5 Points）：Left Eye Center (LE)，Right Eye Center (RE)，Nose Tip (N)，Left Mouth Corner (LM)，Right Mouth Corner (RM)。 在模型的各個(gè) level 中，模型會對各個(gè)人臉關(guān)鍵點(diǎn)做多次預(yù)測，取其平均值。
