基于特征金字塔与关键点的人脸检测
计算机视觉与模式识别
2019-12-19 v2 机器学习
图像与视频处理
摘要
准确的人脸检测与面部关键点定位对任何人脸识别系统都至关重要。我们提出一系列三个单阶段 RCNN，具有不同大小的骨干网络（MobileNetV2-25、MobileNetV2-100 和 ResNet101）以及一个仅在 WIDER FACE 数据集上训练的六层特征金字塔。我们使用八种上下文模块架构比较人脸检测与关键点精度，其中四种由先前研究提出，四种为修改版本。我们发现没有任何证据表明所提架构显著优于其他，并推测附加层的随机初始化至少具有同等重要性。为证明这一点，我们提出一个在 WIDER FACE 上达到接近最先进性能、且通过简单上下文模块提供高精度关键点的模型。我们还展示了使用 MobileNetV2 骨干网络的结果，其在 WIDER FACE 困难验证集上取得超过 90% 的平均精度，同时能够实时运行。通过与其他作者比较，我们表明我们的模型超越了类似规模 RCNN 的最先进水平，并匹配了重得多的网络的性能。
引用
@article{arxiv.1912.00596,
title = {Face Detection with Feature Pyramids and Landmarks},
author = {Samuel W. F. Earp and Pavit Noinongyao and Justin A. Cairns and Ankush Ganguly},
journal= {arXiv preprint arXiv:1912.00596},
year = {2019}
}
备注
12 pages, 2 figures, whitepaper