从粗到细学习深度表示用于人脸对齐
计算机视觉与模式识别
2016-08-02 v1
摘要
在本文中，我们提出了一种新颖的人脸对齐方法，该方法以从粗到细的方式训练深度卷积网络。它将给定的地标点分为主子集和精细子集。我们首先为主子集保持较大的权重，使我们的网络主要预测它们的位置，同时略微考虑精细子集。接下来，逐渐减小子集的权重，直到两个子集具有等效的权重。这一过程有助于学习良好的初始模型，并平滑地搜索最优模型，以避免在后续过程中遗漏相当好的中间模型。在具有挑战性的 COFW 数据集 [1] 上，我们的方法实现了 6.33% 的平均误差，与之前的最佳结果 [2] 相比降低了 21.37%。
引用
@article{arxiv.1608.00207,
title = {Learning deep representation from coarse to fine for face alignment},
author = {Zhiwen Shao and Shouhong Ding and Yiru Zhao and Qinchuan Zhang and Lizhuang Ma},
journal= {arXiv preprint arXiv:1608.00207},
year = {2016}
}
备注
This paper is accepted by 2016 IEEE International Conference on Multimedia and Expo (ICME)