重访人脸关键点检测：一种基于深度神经网络的高效方法
计算机视觉与模式识别
2022-05-17 v1 人工智能
机器学习
摘要
人脸标志点检测是深度学习中被广泛研究的领域，因其在许多领域有广泛应用。这些关键点是脸上具有区分性的特征点，如眼睛中心、眼睛内外眼角、嘴巴中心和鼻尖，可由此解释人类情感与意图。我们的工作重点是评估迁移学习模型（如MobileNetV2和NasNetMobile）以及自定义的CNN架构。本研究的目标是从模型大小、参数数量和推理时间方面开发高效的深度学习模型，并研究增强、插补和微调对这些模型的影响。研究发现，虽然增强技术比插补技术产生了更低的RMSE分数，但它们不影响推理时间。MobileNetV2架构产生了最低的RMSE和推理时间。此外，我们的结果表明，手动优化的CNN架构与Auto Keras调优的架构表现相似。然而，手动优化的架构产生了更好的推理时间和训练曲线。
引用
@article{arxiv.2205.07121,
title = {Revisiting Facial Key Point Detection: An Efficient Approach Using Deep Neural Networks},
author = {Prathima Dileep and Bharath Kumar Bolla and Sabeesh Ethiraj},
journal= {arXiv preprint arXiv:2205.07121},
year = {2022}
}
备注
Accepted at international Conference On Big Data, Machine Learning and Applications (BigDML 2021)