MobileFAN: 用于人脸对齐的深度隐藏表示迁移
计算机视觉与模式识别
2019-11-21 v3
摘要
人脸关键点检测是许多人脸分析应用的关键前提。基于深度学习的方法目前在解决人脸关键点检测中占据主导地位。然而，这类工作通常引入大量参数，导致高内存开销。在本文中，我们旨在寻求一种轻量且有效的人脸关键点检测解决方案。为此，我们提出了一种有效的轻量级模型，即 Mobile Face Alignment Network (MobileFAN)，使用简单的 MobileNetV2 主干作为编码器，三个反卷积层作为解码器。所提出的 MobileFAN 仅具有 8% 的模型大小和更低的计算成本，与 SOTA 模型相比取得了更优或相当的性能。此外，通过特征对齐蒸馏和特征相似度蒸馏，将人脸图的几何结构信息从大型复杂模型迁移到我们提出的 MobileFAN，MobileFAN 在人脸对齐的有效性和效率上得到进一步提升。在包括 COFW、300W 和 WFLW 三个具有挑战性的人脸关键点估计基准上的广泛实验结果表明，我们提出的 MobileFAN 优于 SOTA 方法。
关键词
引用
@article{arxiv.1908.03839,
title = {MobileFAN: Transferring Deep Hidden Representation for Face Alignment},
author = {Yang Zhao and Yifan Liu and Chunhua Shen and Yongsheng Gao and Shengwu Xiong},
journal= {arXiv preprint arXiv:1908.03839},
year = {2019}
}