基于主干-分支全卷积网络的无约束人脸关键点定位
计算机视觉与模式识别
2016-04-15 v3
摘要
本文研究如何在无约束、杂乱环境中而非分割良好的人脸图像中快速且准确地定位人脸关键点。我们提出了一种新颖的主干-分支全卷积神经网络 (BB-FCN)，它直接从原始图像生成人脸关键点响应图，而无需依赖预处理或滑动窗口方法。BB-FCN 包含一个主干网络和多个网络分支，每个分支对应一种关键点类型，并以渐进式方式运行。具体而言，主干网络以整幅图像作为输入粗略检测人脸关键点的位置，而分支则基于主干网络中间特征图的局部观察进一步细化定位。此外，我们的主干-分支架构不包含用于位置回归的全连接层，从而实现了高效的学习与推理。我们的大量实验表明，在受约束（即具有人脸区域）和“自然场景”下，我们的模型均取得了优于其他 SOTA 方法的性能。
引用
@article{arxiv.1507.03409,
title = {Unconstrained Facial Landmark Localization with Backbone-Branches Fully-Convolutional Networks},
author = {Zhujin Liang and Shengyong Ding and Liang Lin},
journal= {arXiv preprint arXiv:1507.03409},
year = {2016}
}
备注
This paper has been withdrawn due to several error