利用辅助属性学习人脸对齐的深度表示
计算机视觉与模式识别
2016-11-15 v4 机器学习
摘要
在本研究中，我们表明 landmarks 检测或人脸对齐任务并非单一且独立的问题。相反，其鲁棒性可以通过辅助信息得到极大提升。具体而言，我们将 landmarks 检测与异构但微妙相关的面部属性（如性别、表情和外观属性）的识别进行联合优化。这并非易事，因为不同的属性推断任务具有不同的学习难度和收敛速率。为解决这一问题，我们构建了一种新颖的任务约束深度模型，该模型不仅学习任务间的相关性，还采用动态任务系数以促进学习多个复杂任务时的优化收敛。广泛的评估表明，所提出的任务约束学习：(i) 优于现有的人脸对齐方法，特别是在处理严重遮挡和姿态变化的人脸时；(ii) 与基于级联深度模型的最先进方法相比，大幅降低了模型复杂度。
引用
@article{arxiv.1408.3967,
title = {Learning Deep Representation for Face Alignment with Auxiliary Attributes},
author = {Zhanpeng Zhang and Ping Luo and Chen Change Loy and Xiaoou Tang},
journal= {arXiv preprint arXiv:1408.3967},
year = {2016}
}
备注
to be published in the IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)