基于深度进化网络的实时内存高效大姿态人脸对齐
计算机视觉与模式识别
2019-11-04 v2
摘要
由于近期人脸识别应用的爆发，迫切需求以内存高效且实时的方式应用人脸对齐。然而，大姿态变化与计算效率低下等影响因素仍阻碍其广泛应用。为此，我们提出了一种集成 3D 扩散堆图（DHM）的计算高效深度进化模型。首先，我们引入稀疏 3D DHM 以在极端姿态条件下辅助初始建模过程。随后，提取简单而有效的 CNN 特征并输入循环神经网络（RNN）进行进化学习。为加速模型，我们提出一种高效网络结构，通过分解策略加速进化学习过程。在三个流行对齐数据库上的大量实验证明了所提模型相对于当前最优（SOTA）方法的优势，尤其在大姿态条件下。值得注意的是，我们的模型在 CPU 上的计算速度比 SOTA 快 6 倍，在 GPU 上快 14 倍。我们也讨论并分析了模型的局限性与未来研究工作。
引用
@article{arxiv.1910.11818,
title = {Real-time Memory Efficient Large-pose Face Alignment via Deep Evolutionary Network},
author = {Bin Sun and Ming Shao and Siyu Xia and Yun Fu},
journal= {arXiv preprint arXiv:1910.11818},
year = {2019}
}