高斯向量：一种高效的面部关键点检测方案
计算机视觉与模式识别
2020-10-06 v1
摘要
随着卷积神经网络的发展，面部关键点检测取得了显著进展。广泛使用的算法可分为坐标回归方法和基于热图的方法。然而，前者丢失空间信息导致性能不佳，而后者受限于较大的输出尺寸或较高的后处理复杂度。本文提出一种新方案——高斯向量 (Gaussian Vector)，以保留空间信息并减小输出尺寸、简化后处理。我们的方法提供新颖的向量监督，并引入频带池化模块 (Band Pooling Module) 将热图转换为每个关键点的向量对。这是一个简单有效的即插即用组件。此外，提出超越边界框策略 (Beyond Box Strategy) 以处理超出人脸边界框的关键点。我们在 300W、COFW、WFLW 和 JD-landmark 上评估了我们的方法。结果显著超越以往工作，证明了我们方法的有效性。
引用
@article{arxiv.2010.01318,
title = {Gaussian Vector: An Efficient Solution for Facial Landmark Detection},
author = {Yilin Xiong and Zijian Zhou and Yuhao Dou and Zhizhong Su},
journal= {arXiv preprint arXiv:2010.01318},
year = {2020}
}
备注
19 pages, 8 figures