GoDP：用于野外人脸关键点定位的全局优化双通路系统
计算机视觉与模式识别
2018-04-04 v2
摘要
人脸关键点定位是姿态不变人脸识别的一个基本模块。人脸关键点检测最常见的方法是级联回归，其由两步组成：特征提取和面部形状回归。近期方法采用深度卷积网络为每一步提取鲁棒特征，而整个系统可被视为深度级联回归架构。本工作中，我们不使用深度回归网络，而是提出一种全局优化双通路(GoDP)深度架构，通过求解级联像素标记问题来识别目标像素，而无需借助高级推理模型或复杂的堆叠架构。所提出的端到端系统依赖于距离感知softmax函数和双通路提议-精炼架构。结果表明，在多个野外人脸对齐数据库上，它优于最先进的基于级联回归的方法。该模型在AFLW数据库上实现了1.84归一化平均误差(NME)，比3DDFA高出61.8%。人脸识别实验表明，在具有挑战性的数据库上，GoDP与DPM-headhunter结合，相比Dlib工具箱能够将首位识别率提高44.2%。
引用
@article{arxiv.1704.02402,
title = {GoDP: Globally optimized dual pathway system for facial landmark localization in-the-wild},
author = {Yuhang Wu and Shishir K. Shah and Ioannis A. Kakadiaris},
journal= {arXiv preprint arXiv:1704.02402},
year = {2018}
}
备注
Accepted by Image and Vision Computing in December, 2017