电子、通信与自动控制技术:基于鲁棒损失函数的人脸关键点检测

本文使用的CNN模型

摘要:人脸关键点检测是一种对人脸识别至关重要的计算机视觉任务。L2损失通常应用于该任务的卷积神经网络(CNN)优化,但它会受到训练过程中异常值的严重影响,异常值定义为该样本估计与平均训练样本估计有极大偏差的情况。为了解决这个问题,本文提出了一种使用Tukey鲁棒损失函数的回归CNN模型,该鲁棒损失是M-estimators之一且实现了对异常值的鲁棒性。本文的方法与传统的L2损失相比,不仅具有更好的收敛值,而且训练过程中收敛速度更快。该方法也在两个公开数据集中显示出比目前较先进的方法很有竞争力甚至更好的结果。

关键词:鲁棒损失;人脸关键点检测;M-estimator;CNN;异常值

作者:李依哲,陈振学

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20180305B0NXIC00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码关注腾讯云开发者

领取腾讯云代金券