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

来自专栏机器之心

学界 | 神经混合模型:提升模型性能,显著降低困惑度

选自arXiv 机器之心编译 参与:路雪、蒋思源 基于神经网络的语言模型能够学习不同的自然语言特征,性能也正在持续提升。萨尔大学在 ICASSP 2017 发表...

27210
来自专栏深度学习入门与实践

【深度学习系列】用PaddlePaddle和Tensorflow实现经典CNN网络GoogLeNet

  前面讲了LeNet、AlexNet和Vgg,这周来讲讲GoogLeNet。GoogLeNet是由google的Christian Szegedy等人在201...

3496
来自专栏机器学习算法全栈工程师

基于深度学习的图像语义分割算法综述

本文翻译自An overview of semantic image segmentation,原作者保留版权。

1063
来自专栏机器之心

学界 | 极端图像压缩的生成对抗网络,可生成低码率的高质量图像

选自arXiv 作者:Eirikur Agustsson等 机器之心编译 参与:白妤昕、刘晓坤 本文提出了一个基于生成对抗网络的极端学习图像压缩框架,能生成码率...

2915
来自专栏CVer

[计算机视觉论文速递] 2018-02-28

[1]《CSRNet: Dilated Convolutional Neural Networks for Understanding the Highly C...

3658
来自专栏新智元

无监督,无需匹配样本!英伟达提出基于GAN的无监督图到图迁移框架

【新智元导读】英伟达研究人员发表论文,提出图像到图像的无监督学习。实现方式值得一看。 大多数现有的图像到图像(image-to-image)迁移框架是基于监督学...

3339
来自专栏企鹅号快讯

一文读懂卷积神经网络CNN

来源:机器学习算法与自然语言处理 作者:白雪峰 本文为图文结合,建议阅读10分钟。 本文为大家解读如何简单明了的解释卷积,并且分享了学习中的一些方法案例。 首先...

2666
来自专栏绿巨人专栏

强化学习读书笔记 - 00 - 术语和数学符号

34611
来自专栏AI科技大本营的专栏

干货 | 深度详解ResNet及其六大变体

编译 | 图普科技 本文由图普科技工程师编译自《An Overview of ResNet and its Variants》。 从AlexNet[1]在201...

3396
来自专栏ATYUN订阅号

Python中的统计假设检验速查表

本文是一个机器学习项目中最流行的统计假设检验的速查表,包含使用Python接口的示例。

1026

扫码关注云+社区