一种用于人脸对齐的快速在线级联回归算法
计算机视觉与模式识别
2019-05-13 v1
摘要
传统基于机器学习的人脸对齐通常利用离线训练的静态模型跟踪面部特征点定位,其中所有训练数据均事先可用。当新训练样本到达时,静态模型必须从头重新训练,这极为耗时耗内存。在许多实时应用中,训练数据逐个或成批获得。这导致静态模型在具有大量变化的序列图像上性能受限。因此,该领域最关键且最具挑战性的方面是动态更新跟踪器模型以持续增强预测与泛化能力。为解决此问题,我们提出一种快速准确的在线学习人脸对齐算法。特别地,我们将在线序列极限学习机引入并行级联回归框架,称为增量级联回归(ICR)。据我们所知,这是首个采用非线性回归器的增量级联框架。ICR 的一个主要优势是,当新输入到来时,跟踪器模型可以增量方式快速更新,无需整个重新训练过程。实验结果表明,与近期最先进的级联方法相比,所提 ICR 在静态或序列图像上更准确高效。此外,本文提出的增量学习可实时更新已训练模型。
引用
@article{arxiv.1905.04010,
title = {A fast online cascaded regression algorithm for face alignment},
author = {Lin Feng and Caifeng Liu and Shenglan Liu and Huibing Wang},
journal= {arXiv preprint arXiv:1905.04010},
year = {2019}
}