基于标签分布深度学习的面部姿态估计
计算机视觉与模式识别
2020-10-13 v4 人工智能
摘要
面部姿态估计在许多实际应用中受到大量关注,例如人机交互、视线估计和驾驶员监测。同时,端到端的基于深度学习的面部姿态估计正变得越来越流行。然而,面部姿态估计面临一个关键挑战:许多姿态尤其是大姿态缺乏充足的训练数据。受相近姿态下人脸外观相似这一观察的启发,我们将面部姿态估计重新表述为一个标签分布学习问题,将每张人脸图像视为关联一个高斯标签分布而非单一标签的样本,并构建了一个卷积神经网络,该网络在 AFLW 数据集和 300W-LP 数据集上以多损失函数训练,以直接从彩色图像预测面部姿态。我们在多个流行基准上进行了大量实验,包括 AFLW2000、BIWI、AFLW 和 AFW,我们的方法相较于其他最先进(state-of-the-art, SOTA)方法展现出显著优势。
引用
@article{arxiv.1904.13102,
title = {Facial Pose Estimation by Deep Learning from Label Distributions},
author = {Zhaoxiang Liu and Zezhou Chen and Jinqiang Bai and Shaohua Li and Shiguo Lian},
journal= {arXiv preprint arXiv:1904.13102},
year = {2020}
}
备注
9 pages,5 figures, Accepted by ICCV 2019 workshop