池化面部片段为人脸：浅层与深层
计算机视觉与模式识别
2018-07-19 v1
摘要
通用人脸检测算法在移动领域表现不佳，因为存在大量遮挡和局部可见的人脸。处理局部人脸挑战的一种有前景的技术是基于面部片段设计人脸检测器。本文提出两种此类人脸检测器，即SegFace和DeepSegFace，它们在给定某些人脸片段的任意组合时检测人脸是否存在。两种方法都使用通过弱提升分类器找到的面部片段候选框作为输入。SegFace是一种浅层快速算法，使用传统特征，适用于必须满足实时约束的场景。另一方面，DeepSegFace是一种更强大的算法，基于深度卷积神经网络（DCNN）架构。DeepSegFace相比其他基于DCNN的人脸检测器具有某些优势，因为它通过利用一种新颖的数据增强方案仅需相对较少的数据进行训练，并且从设计上对遮挡非常鲁棒。大量实验表明，所提方法特别是DeepSegFace，在两个移动人脸数据集上以精确率-召回率和ROC曲线衡量的性能优于其他最先进的人脸检测器。
引用
@article{arxiv.1701.08341,
title = {Pooling Facial Segments to Face: The Shallow and Deep Ends},
author = {Upal Mahbub and Sayantan Sarkar and Rama Chellappa},
journal= {arXiv preprint arXiv:1701.08341},
year = {2018}
}
备注
8 pages, 7 figures, 3 tables, accepted for publication in FG2017