基于热力图回归的自适应翼损失用于鲁棒人脸对齐
计算机视觉与模式识别
2020-05-20 v3
摘要
基于深度网络的热力图回归已成为定位面部关键点的主流方法之一。然而，热力图回归的损失函数很少被研究。本文中，我们分析了人脸对齐问题中热力图回归的理想损失函数性质。随后我们提出一种新颖的损失函数，称为自适应翼损失（Adaptive Wing loss），它能够根据其形状适应不同类型的真实热力图像素。这种适应性对前景像素施加更多损失惩罚，而对背景像素施加较少。为解决前景与背景像素之间的不平衡，我们还提出加权损失图（Weighted Loss Map），对前景和困难背景像素赋予高权重，以帮助训练过程更聚焦于对关键点定位至关重要的像素。为了进一步提高人脸对齐精度，我们引入边界预测和带边界坐标的CoordConv。在包括COFW、300W和WFLW的不同基准上的大量实验表明，我们的方法在各种评估指标上以显著优势超越最先进水平。此外，自适应翼损失也有助于其他热力图回归任务。代码将在 https://github.com/protossw512/AdaptiveWingLoss 公开。
引用
@article{arxiv.1904.07399,
title = {Adaptive Wing Loss for Robust Face Alignment via Heatmap Regression},
author = {Xinyao Wang and Liefeng Bo and Li Fuxin},
journal= {arXiv preprint arXiv:1904.07399},
year = {2020}
}
备注
[v2] Camera-ready version for ICCV 2019. [v3] Corrected AUC(fr10%) on table 2