基于回归的眼部特征提取中深度神经网络归一化有效性分数
计算机视觉与模式识别
2024-03-19 v1
摘要
我们提出了一种对关键点有效性损失的改进。关键点检测广泛应用于头部姿态估计、眼睑形状提取以及瞳孔和虹膜分割。还有许多其他应用利用关键点检测来估计复杂物体的形状。该过程的一部分是对形状进行精确且细粒度的检测。另一部分是每个关键点的有效性或不准确性，可用于检测形状可能不适配的不可靠区域，并通过排除不准确的关键点来提高整个形状提取的准确性。我们在损失公式中提出了一种归一化方法，由于归一化不准确性的数值平衡，该方法提高了整个方法的准确性。此外，我们为不准确性引入了一个边界，以减少由接近真值的可忽略误差所产生的梯度影响。
引用
@article{arxiv.2403.11665,
title = {Normalized Validity Scores for DNNs in Regression based Eye Feature Extraction},
author = {Wolfgang Fuhl},
journal= {arXiv preprint arXiv:2403.11665},
year = {2024}
}