让卡通活起来:迈向改进的卡通人脸检测与识别系统
计算机视觉与模式识别
2018-07-09 v2
摘要
鉴于近期人脸检测与识别技术(针对人类人脸)的深度学习方法进展,本文回答了“它们在卡通上能工作得多好?”这一问题——该领域直到最近仍基本未被探索,主要由于大规模数据集的缺乏以及传统方法在此类数据上的失效。我们的工作研究并扩展了针对上述任务的多种框架。对于人脸检测,我们引入多任务级联卷积网络(MTCNN)架构,并与传统方法对比。对于人脸识别,我们的双重贡献包括:(i) 一种归纳迁移学习方法,结合 Inception v3 网络的特征学习能力与支撑向量机(SVM)的特征识别能力;(ii) 一种提出的混合卷积神经网络(HCNN)框架,在像素值与 15 个手动定位面部关键点融合数据上训练。所有方法均在 Cartoon Faces in the Wild (IIIT-CFW) 数据库上评估。我们证明 HCNN 模型在较大输入变化下稳定性优于 Inception+SVM,并探究了可能的架构原则。我们展示 Inception+SVM 模型在卡通人脸性别识别任务上确立了 state-of-the-art 的 F1 分数。此外,我们引入一个小型数据库,托管 IIIT-CFW 数据库中属于 50 位公众人物的卡通脸上 15 个点的位置坐标。
引用
@article{arxiv.1804.01753,
title = {Bringing Cartoons to Life: Towards Improved Cartoon Face Detection and Recognition Systems},
author = {Saurav Jha and Nikhil Agarwal and Suneeta Agarwal},
journal= {arXiv preprint arXiv:1804.01753},
year = {2018}
}
备注
8 pages, 5 figures, 7 tables