基于跨阶跨语义深度网络的鲁棒人脸关键点检测
计算机视觉与模式识别
2020-11-17 v1
摘要
近年来，基于卷积神经网络 (CNNs) 的人脸关键点检测方法取得了巨大成功。然而，现有多数基于 CNN 的人脸关键点检测方法未尝试激活多个相关联的面部部位并从中学习不同的语义特征，因而无法准确建模局部细节间的关系，也不能充分挖掘更具判别力与精细的语义特征，导致其在局部遮挡与大姿态变化下表现不佳。为解决这些问题，我们提出一种跨阶跨语义深度网络 (CCDN) 以增强语义特征学习，实现鲁棒的人脸关键点检测。具体而言，提出跨阶双压缩多激励 (CTM) 模块以引入跨阶通道相关性，用于更具判别力的表征学习及多注意力特定部位激活。此外，设计了一种新颖的跨阶跨语义 (COCS) 正则化器，驱动网络从不同的激活中学习跨阶跨语义特征以用于人脸关键点检测。有趣的是，通过集成 CTM 模块与 COCS 正则化器，所提 CCDN 能有效激活并学习更精细且互补的跨阶跨语义特征，从而在极具挑战性的场景下提升人脸关键点检测精度。在具挑战性的基准数据集上的实验结果证明了我们的 CCDN 相对于最优人脸关键点检测方法的优越性。
引用
@article{arxiv.2011.07777,
title = {Robust Facial Landmark Detection by Cross-order Cross-semantic Deep Network},
author = {Jun Wan and Zhihui Lai and Linlin Shen and Jie Zhou and Can Gao and Gang Xiao and Xianxu Hou},
journal= {arXiv preprint arXiv:2011.07777},
year = {2020}
}
备注
This paper has been accepted by Neural Networks, November 2020