【人脸姿态估计】开源 | RealHePoNet使用低分辨率的灰度输入图像进行人脸姿态估计，无需面部标志，误差低！推理时间低！

备注：研究方向+地点+学校/公司+昵称，更快通过申请，长按加细分领域技术交流群，目前有细分领域：图像分割、图像目标检测、论文写作、车道检测、模型优化、目标跟踪、SLAM、点云处理（分割检测）、深度学习。

获取完整原文和代码，公众号回复：09100065689

论文地址： https://arxiv.org/abs/2011.01890

代码： 公众号回复：09100065689

来源： 科尔多瓦大学

论文名称：RealHePoNet: a robust single-stage ConvNet for head pose estimation in the wild

原文作者：Rafael Berral-Soler

内容提要

人脸姿态估计在人机交互、视频监控等领域有着广泛的应用。在本文中，将人脸姿态估计定义为对垂直(倾斜/俯仰)和水平(平移/偏转)角度的估计，通过使用单个卷积神经网络ConvNet模型，试图平衡精度和推理速度，以最大化其在现实应用中的可用性。我们的模型是在两个数据集的组合上训练的：Pointing 04 (旨在覆盖广泛的姿态)和Annotated Facial Landmarks in the Wild (为了提高我们的模型在真实世界图像上使用的鲁棒性)。定义了组合数据集的三个不同分区，目的是用于培训、验证和测试。通过这项工作，我们得到了一个经过训练的ConvNet模型，即RealHePoNet，它给出了一个低分辨率的灰度输入图像，并且不需要使用面部标志，能够以较低的误差估计倾斜角和平移角(测试分区的平均误差为4.4)。此外，由于推理时间较低(每个头大约6毫秒)，我们认为我们的模型即使与中等规格的硬件(即GTX 1060 GPU)配对也可以使用。

主要框架及实验结果

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请加上文微信联系删除。