人脸检测识别文献阅读总结

1 在人脸检测的时候需要结合人脸特征点对齐来综合考虑人脸检测问题,因为人脸特征点对齐有助于提高人脸检测性能 下面的文献都论证了这个思想: Joint cascade face detection and alignment ECCV2014 Supervised Transformer Network for Efficient Face Detection ECCV2016 Face Detection with End-to-End Integration of a ConvNet and a 3D Model ECCV2016 Joint Face Detection and Alignment Using Multitask Cascaded Convolutional Networks IEEE Signal Processing Letters 2016

2 针对遮挡人脸的检测问题

Grid Loss: Detecting Occluded Faces ECCV2016 主要的解决思路还是分块处理 这篇文献主要在定义了一个新的损失函数 ,从损失函数的角度来考虑人脸分块检测,再综合起来得到整体检测效果。 简单的来说就是当特征明显的区域被遮挡了,这时候我们需要依靠特征不明显的区域来检测出人脸

Detecting Masked Faces in the Wild with LLE-CNNs CVPR2017 本文针对遮挡人脸问题,首先建立了一个新的数据库 MAFA, with 30,811 Internet images and 35,806 masked faces,先用一个小的 CNN提取人脸候选区域,再用 VGG 人脸识别系统提取特征,使用 locally linear embedding (LLE) 对遮挡区域的特征尝试修复,最后用 CNN 进行人脸候选区域验证。

3 人脸检测中的尺度问题 Recurrent Scale Approximation for Object Detection in CNN ICCV2017 这篇文献首先用一个 scale-forecast 网络 来预测图像中人脸的尺度,然后再去做人脸检测

S3FD: Single Shot Scale-invariant Face Detector ICCV2017 本文针对基于 anchor 的检测器对 小的人脸检测率低的问题进行了分析和改进,主要改进的地方位于 anchor-associated 网络层

Scale-Aware Face Detection CVPR2017 本文首先用一个 Scale Proposal Network (SPN) 估计出图像中人脸的尺度分布,然后按照该尺度归一化图像,再进行人脸检测

Face Detection through Scale-Friendly Deep Convolutional Networks 这篇文献还是很不错的。 http://shuoyang1213.me/projects/ScaleFace/ScaleFace.html 本文针对多尺度人脸检测问题,采用分而治之的思路来解决,提出不同尺度的人脸需要不同的网络结构来进行检测。然后我们将这些网络组合成一个网络,使用端对端的方式优化学习。另一种理解方式是在尺度上采用级联检测器来检测多尺度人脸

4 针对小人脸的检测 Finding Tiny Faces CVPR2017 本文的检测效果好,但是速度慢 本文主要探讨了小目标周边信息对于检测小目标的重要性 Context 很重要

5 快速人脸检测 FaceBoxes: A CPU Real-time Face Detector with High Accuracy

人脸对齐性能饱和问题 How far are we from solving the 2D & 3D Face Alignment problem? (and a dataset of 230,000 3D facial landmarks) ICCV2017 https://www.adrianbulat.com/face-alignment Pytorch Code: https://github.com/1adrianb/face-alignment Torch7 Code: https://github.com/1adrianb/2D-and-3D-face-alignment 本文得出的结论是 : 模型对于目前的数据基本已经达到性能饱和,对于一些不常见的姿态可以通过增加训练数据来提升网络的性能

待续!

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏AI科技评论

干货 | 元旦,一起NLP!(下)

0.Roadmap 1. 模型 | 语言模型与词嵌入 2. 模型 | LSTM 3. 盘点 | 那些顶级会议 4. 模型 | Seq2Seq 和 Attenti...

3475
来自专栏杨熹的专栏

支持向量机

Udacity Machine Learning Support Vector Machine ---- 在做分类问题时,想要找到最好的那条线: ? 会选择...

3285
来自专栏视觉求索无尽也

SIFT特征的原理学习资料开始学习

SIFT特征不只具有尺度不变性,即使改变图像的旋转角度,亮度或拍摄视角,仍然能够得到好的检测效果。

832
来自专栏生信小驿站

机器学习算法①

这个算法由一个目标/结果变量(或因变量)组成,这个变量可以从一组给定的预测变量(独立变量)中预测出来。 使用这些变量,我们生成一个将输入映射到所需输出的函数。 ...

772
来自专栏AI科技评论

总结 | NYU Courant 二年级博士生姜仲石:网格曲面的神经网络

AI 科技评论按:网格是几何数据的常用高效表示, 在几何曲面构建的机器学习方法对计算机图形学,3D 计算机视觉以及几何分析和处理有着重要的意义。

653
来自专栏大数据互联网思维

HDR关键技术:逆色调映射

HDR技术近年来发展迅猛,在未来将会成为图像与视频领域的主流。当前HDR内容非常短缺,限制了HDR视听节目的广泛应用。逆色调映射(Inverse Tone Ma...

1120
来自专栏媒矿工厂

HDR质量评价技术

本文聚焦HDR质量评价技术,对于编解码、色调映射以及逆色调映射等不同任务,通常会采取不同的评价方法。本部分先从主观评价和客观评价两个角度对常用的HDR视觉质量评...

1573
来自专栏崔庆才的专栏

自然语言处理全家福:纵览当前NLP中的任务、数据、模型与论文

组合范畴语法(CCG; Steedman, 2000)是一种高度词汇化的形式主义。Clark 和 Curran 2007 年提出的标准解析模型使用了超过 400...

1680
来自专栏CreateAMind

光流flownet2视频介绍及代码 及两篇中文文章

http://blog.csdn.net/hysteric314/article/details/50529804

1592
来自专栏机器之心

自然语言处理全家福:纵览当前NLP中的任务、数据、模型与论文

组合范畴语法(CCG; Steedman, 2000)是一种高度词汇化的形式主义。Clark 和 Curran 2007 年提出的标准解析模型使用了超过 400...

1322

扫码关注云+社区