跨数据集人脸对齐的关键点标注迁移
计算机视觉与模式识别
2014-09-03 v1
摘要
数据集偏差是物体识别领域中一个众所周知的问题。然而，这一问题在人脸对齐研究中很少被探讨。在本研究中，我们表明数据集是人脸对齐性能的一个组成部分。具体而言，由于人脸对齐数据集偏差，在一个数据库上训练而在另一个或未见过的域上测试会导致性能不佳。然而，通过结合各种现有数据库来创建无偏数据集并非易事，因为人们必须穷尽地重新标注关键点以实现标准化。在这项工作中，我们提出了一种简单而有效的方法来弥合数据库之间不同的标注空间，从而使数据集融合成为可能。我们展示了在结合各种流行数据库（LFW、AFLW、LFPW、HELEN）以改进跨数据集和未见数据对齐方面的广泛结果。
引用
@article{arxiv.1409.0602,
title = {Transferring Landmark Annotations for Cross-Dataset Face Alignment},
author = {Shizhan Zhu and Cheng Li and Chen Change Loy and Xiaoou Tang},
journal= {arXiv preprint arXiv:1409.0602},
year = {2014}
}
备注
Shizhan Zhu and Cheng Li share equal contributions