学习验证检测到的关键点质量
计算机视觉与模式识别
2020-05-01 v3
摘要
我们提出了一种用于验证通过卷积神经网络（CNN）检测到的图像关键点质量的新损失函数。该网络学习估计其关键点估计的准确程度。该损失函数适用于所有基于回归的位置估计，并允许从后续处理中排除不可靠的关键点。此外，我们提出了一种新颖的批次平衡方法，该方法根据样本产生的损失来权衡其重要性。这是通过在区间上计算概率分布映射来实现的，从中可使用均匀随机选取方案选择样本。我们在300W、AFLW和WFLW人脸关键点数据集上进行了实验。在首批实验中，通过将我们的批次平衡方法与均匀采样进行比较来评估其影响。此外，我们基于均匀采样评估了验证损失对关键点精度的影响。最后一组实验评估了验证信号与关键点精度之间的相关性。所有实验均在全部三个数据集上执行。
引用
@article{arxiv.1901.10143,
title = {Learning to Validate the Quality of Detected Landmarks},
author = {Wolfgang Fuhl and Enkelejda Kasneci},
journal= {arXiv preprint arXiv:1901.10143},
year = {2020}
}
备注
Will be published in the proceedings of the ICMV 2019 conference