面向人脸对齐的深度多中心学习
计算机视觉与模式识别
2019-04-26 v2
摘要
由于某个面部关键点可由其相邻关键点估计，面部关键点之间具有高度相关性。现有大多数深度学习方法仅使用一个称为形状预测层的全连接层来估计面部关键点的位置。本文提出一种名为多中心学习的新型深度学习框架，该框架具有多个形状预测层用于人脸对齐。具体而言，每个形状预测层分别侧重于检测某一簇语义相关的关键点。首先关注具有挑战性的关键点，随后分别对各簇关键点进一步优化。此外，为降低模型复杂度，我们提出一种模型集成方法，将多个形状预测层整合为一个形状预测层。大量实验表明，我们的方法在处理复杂遮挡与外观变化方面有效，并具有实时性能。我们的方法代码可在 https://github.com/ZhiwenShao/MCNet-Extension 获取。
引用
@article{arxiv.1808.01558,
title = {Deep Multi-Center Learning for Face Alignment},
author = {Zhiwen Shao and Hengliang Zhu and Xin Tan and Yangyang Hao and Lizhuang Ma},
journal= {arXiv preprint arXiv:1808.01558},
year = {2019}
}
备注
This paper has been accepted by Neurocomputing