前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >人脸检测--Supervised Transformer Network for Efficient Face Detection

人脸检测--Supervised Transformer Network for Efficient Face Detection

作者头像
用户1148525
发布2018-01-03 15:53:47
1.1K0
发布2018-01-03 15:53:47
举报
文章被收录于专栏:机器学习、深度学习

Supervised Transformer Network for Efficient Face Detection ECCV2016

人脸检测: the cascaded network;end-to-end learning; jointly conduct face detection and face alignment Our detector runs at 30 FPS on a single CPU core for a VGA-resolution image

2 Network Architecture 2.1 Overview

这里写图片描述
这里写图片描述

整个网络主要包括两个模块: 1):第一个模块是多任务 Region Proposal Network (RPN),它负责提取人脸候选区域及相应的人脸特征点 facial landmarks,在局部邻域,我们只选前 K 个候选区域,其他的候选区域直接扔掉。 2):第二个模块是一个 Supervised Transformer layer 和 一个 RCNN,Transformer layer 的输入是人脸区域及对应的特征点,然后将人脸映射到标准姿态,即人脸转正。主要是通过特征点对齐完成的:facial landmarks and the canonical positions 两者是一一对应的。最后将人脸区域输入 RCNN network 进行人脸二分类。

2.2 Multi-task RPN 这里的多任务RPN 是受 文献【16】启发的,RPN同时完成人脸检测及对应的人脸特征点。我们的方法和文献【20】很相似,只不过我们回归的目标是人脸特征点位置,而不是矩形框坐标参数

这里写图片描述
这里写图片描述

2.3 The supervised transformer layer 这个模块主要负责解决人脸多尺度和多姿态问题 scale and rotation variation

常用的方法是训练一个预测模型用于检测人脸特征点,然后通过特征点对应关系来将人脸转正 map to a canonical pose 这个过程至少有两个问题: 1)需要人工设定 canonical locations,not only time-consuming, but also suboptimal 2)训练样本中的 facial landmark points 这个标记不太容易, highly subjective process

We propose to learn both the canonical positions and the prediction of the facial landmarks end-to-end from the network with additional supervision information from the classification objective of the RCNN using end-to-end back propagation

这里我们通过学习得到 canonical positions 和 prediction of the facial landmarks

接着就是公式推导

2.4 Non-top K suppression keep K candidate regions with highest confidence for each potential face

2.5 Multi-granularity feature combination 综合利用多尺度特征有助于提高系统性能,这里我们将 RPN 的特征 和 RCNN特征综合起来

3 The ROI convolution 3.1 Motivation 如何在 CPU 中 提高 CNN 网络的运算速度是一个很重要的问题,卷积层的计算量大约占整个网络的 90%。 我们这里主要的加速思路是:使用一个标准的级联人脸检测器用于快速去除非人脸区域,得到一个 二值 ROI mask。 这个 ROI mask 的尺寸和输入图像尺寸一样,背景区域为0,人脸区域为1. DNN 卷积只对 mask 为 1的区域进行计算。

这里写图片描述
这里写图片描述

3.2 Implementation details Cascade pre-filter: 这里就是一个加强版的 Volia-Jones’s detector,更多的弱分类和更多的训练数据

ROI convolution

这里写图片描述
这里写图片描述

主要利用 二值 mask 来加速卷积计算 The original DNN detector can run at 50 FPS on GPU and 10 FPS on CPU for a VGA image. With ROI convolution, it can speed up to 30 FPS on CPU with little accuracy loss

4 Experiments

这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述

各种方法性能对比

这里写图片描述
这里写图片描述

检测效果图

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2017年10月19日,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
人脸识别
腾讯云神图·人脸识别(Face Recognition)基于腾讯优图强大的面部分析技术,提供包括人脸检测与分析、比对、搜索、验证、五官定位、活体检测等多种功能,为开发者和企业提供高性能高可用的人脸识别服务。 可应用于在线娱乐、在线身份认证等多种应用场景,充分满足各行业客户的人脸属性识别及用户身份确认等需求。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档