面向人脸关键点检测的深度循环回归
计算机视觉与模式识别
2016-11-01 v3
摘要
我们提出了一种用于人脸关键点检测的新型端到端深度架构，该架构基于深度卷积与反卷积网络，并后续接入精心设计的循环网络结构。该架构的流程由三部分组成。第一部分中，我们通过具有堆叠卷积层与反卷积层的深度网络，将输入人脸图像编码为分辨率保持的反卷积特征图。接着在第二部分，我们在这些反卷积特征图之上通过额外的卷积层估计面部关键点的初始坐标。最后一部分中，利用反卷积特征图和初始面部关键点作为输入，我们通过由多个长短期记忆（LSTM）组件构成的循环网络精炼面部关键点的坐标。在多个基准数据集上的广泛评估表明，所提出的深度架构相比最先进的方法具有更优性能。
引用
@article{arxiv.1510.09083,
title = {Deep Recurrent Regression for Facial Landmark Detection},
author = {Hanjiang Lai and Shengtao Xiao and Yan Pan and Zhen Cui and Jiashi Feng and Chunyan Xu and Jian Yin and Shuicheng Yan},
journal= {arXiv preprint arXiv:1510.09083},
year = {2016}
}