ASMNet：一种用于人脸对齐与姿态估计的轻量级深度神经网络
计算机视觉与模式识别
2021-06-17 v3 机器学习
摘要
主动形状模型（Active Shape Model, ASM）是一种表示目标结构的物体形状统计模型。ASM 可引导机器学习算法将代表物体（如人脸）的一组点拟合到图像上。本文提出一种轻量级卷积神经网络（CNN）架构，其损失函数由 ASM 辅助，用于自然场景下面部对齐与头部姿态估计。我们利用 ASM 首先引导网络学习更平滑的人脸关键点分布。受迁移学习启发，在训练过程中，我们逐步加大回归问题难度，并引导网络学习原始关键点分布。我们在损失函数中定义了多个任务，分别负责检测人脸关键点与估计人脸姿态。同时学习多个相关任务可形成协同效应并提升各任务性能。我们将所提模型 ASMNet 与 MobileNetV2（其规模约为 ASMNet 的 2 倍）在人脸对齐与姿态估计任务上进行比较。在具有挑战性的数据集上的实验结果表明，采用所提 ASM 辅助损失函数后，ASMNet 在人脸对齐任务上的性能与 MobileNetV2 相当；此外，在人脸姿态估计上，ASMNet 明显优于 MobileNetV2。与许多基于 CNN 的模型相比，ASMNet 在参数量与浮点运算量显著更少的情况下，取得了可接受的人脸关键点检测与姿态估计性能。
引用
@article{arxiv.2103.00119,
title = {ASMNet: a Lightweight Deep Neural Network for Face Alignment and Pose Estimation},
author = {Ali Pourramezan Fard and Hojjat Abdollahi and Mohammad Mahoor},
journal= {arXiv preprint arXiv:2103.00119},
year = {2021}
}
备注
Accepted at CVPR 2021 Biometrics Workshop, jointly with the Workshop on Analysis and Modeling of Faces and Gestures