人脸关键点机器：一种具有渐进式表示学习的骨干-分支架构
计算机视觉与模式识别
2018-12-11 v1
摘要
人脸关键点定位在人脸识别与分析中起着关键作用。本文提出一种新颖的级联骨干-分支全卷积神经网络（BB-FCN），用于在不受约束且杂乱的环境中快速而准确地定位人脸关键点。我们提出的 BB-FCN 直接从原始图像生成人脸关键点响应图，无需任何预处理。BB-FCN 遵循由粗到细的级联流程，包含一个用于粗略检测所有人脸关键点位置的骨干网络，以及为每个检测到的关键点类型分别设立的一个分支网络以进一步细化其位置。此外，为促进不受约束环境下的人脸关键点定位，我们提出了一个名为 SYSU16K 的大规模基准，其包含 16000 张在姿态、表情、光照和分辨率上差异巨大的人脸。大量实验评估表明，我们提出的 BB-FCN 在受约束（即仅在检测到的人脸区域内）和不受约束两种设置下均能显著优于当前最优（state-of-the-art）方法。我们进一步确认，利用我们所提网络定位的高质量人脸关键点也能提升人脸检测的精确率与召回率。
引用
@article{arxiv.1812.03887,
title = {Facial Landmark Machines: A Backbone-Branches Architecture with Progressive Representation Learning},
author = {Lingbo Liu and Guanbin Li and Yuan Xie and Yizhou Yu and Qing Wang and Liang Lin},
journal= {arXiv preprint arXiv:1812.03887},
year = {2018}
}