用于卷积神经网络鲁棒人脸关键点定位的 Wing 损失
计算机视觉与模式识别
2018-10-25 v5
摘要
我们提出一种新的损失函数，即 Wing 损失，用于基于卷积神经网络（CNNs）的鲁棒人脸关键点定位。我们首先比较并分析了不同的损失函数，包括 L2、L1 与平滑 L1。对这些损失函数的分析表明，对于基于 CNN 的定位模型训练，应更多关注中小范围误差。为此，我们设计了一个分段损失函数。该新损失通过从 L1 损失切换为修正的对数函数来放大区间 (-w, w) 内误差的影响。为解决训练集中具有大幅面外头部旋转的样本书代表不足的问题，我们提出一种简单而有效的提升策略，称为基于姿态的数据均衡。具体而言，我们通过复制少数类训练样本并注入随机图像旋转、边界框平移及其他数据增强方法来处理数据不平衡问题。最后，将所提方法扩展为两阶段框架以实现鲁棒人脸关键点定位。在 AFLW 与 300W 上获得的实验结果展示了 Wing 损失函数的优势，并证明了所提方法优于当前最优（SOTA）方法。
引用
@article{arxiv.1711.06753,
title = {Wing Loss for Robust Facial Landmark Localisation with Convolutional Neural Networks},
author = {Zhen-Hua Feng and Josef Kittler and Muhammad Awais and Patrik Huber and Xiao-Jun Wu},
journal= {arXiv preprint arXiv:1711.06753},
year = {2018}
}
备注
11 pages, 6 figures, 6 tables