人臉關(guān)鍵點(diǎn)檢測是計(jì)算機(jī)視覺領(lǐng)域中的一項(xiàng)經(jīng)典任務(wù),具有重要的學(xué)術(shù)研究價(jià)值和商業(yè)應(yīng)用前景。近年來,深度學(xué)習(xí)技術(shù)的興起加速了其研發(fā)進(jìn)程。大量基于深度學(xué)習(xí)的人臉關(guān)鍵點(diǎn)檢測算法被提出,其中基于坐標(biāo)回歸和基于熱圖回歸的兩大類方法由于性能優(yōu)越而備受青睞。坐標(biāo)回歸方法利用圖像信息直接對人臉關(guān)鍵點(diǎn)的坐標(biāo)值進(jìn)行預(yù)測,而熱圖回歸方法則將人臉關(guān)鍵點(diǎn)檢測問題轉(zhuǎn)換為熱圖估計(jì)問題進(jìn)行求解。一般而言,熱圖回歸方法的檢測性能較好,但執(zhí)行算法所需的時(shí)間相對較長,坐標(biāo)回歸方法的檢測性能偏低,但執(zhí)行算法所需的時(shí)間相對較短且更容易控制。本文對基于熱圖回歸的人臉關(guān)鍵點(diǎn)檢測算法進(jìn)行了深入研究。首先借助于經(jīng)典的堆疊沙漏網(wǎng)絡(luò)實(shí)現(xiàn)了對人臉關(guān)鍵點(diǎn)的初步檢測,其次針對原始沙漏網(wǎng)絡(luò)存在的編碼器特征提取能力相對較弱、解碼器沒有充分利用不同尺度特征之間的互補(bǔ)性等問題,提出了一種改進(jìn)的堆疊沙漏網(wǎng)絡(luò),通過使用更強(qiáng)、更通用的特征提取器來替換原始的編碼器,同時(shí)在解碼器中嵌入多尺度特征融合模塊,顯著提高了網(wǎng)絡(luò)的特征表達(dá)能力,取得了較好的人臉關(guān)鍵點(diǎn)檢測效果。然而,上述基于熱圖回歸的人臉關(guān)鍵點(diǎn)檢測算法由于其不可微的后處理操作導(dǎo)致輸出結(jié)果是離散數(shù)值,存在量化誤差,...

【文章頁數(shù)】：70 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．１人臉關(guān)鍵點(diǎn)檢測的處理流程??與人體姿態(tài)估計(jì)不同，目前主流的人臉關(guān)鍵點(diǎn)檢測算法均為自頂向下的方法，??

者則不需要借助于行人檢測器，輸入到姿態(tài)估計(jì)??器的是原始圖像（需要經(jīng)過大小調(diào)整）。兩種方法各有千秋，其中，自頂向下的??方法由于將任務(wù)進(jìn)行了分解，往往檢測精度更高，但是由于第二步需要分別對檢??測出的每個(gè)人進(jìn)行單人姿態(tài)估計(jì)，因此檢測時(shí)間和圖像中的人體數(shù)目成正比；而??自底向上的方....

圖２．２坐標(biāo)回歸網(wǎng)絡(luò)示意圖??坐標(biāo)回歸方法常用的損失函數(shù)主要有均方誤差（Ｍｅａｎ?Ｓｑｕａｒｅ?Ｅｒｒｏｒ，?ＭＳＥ）損??

關(guān)鍵點(diǎn)坐標(biāo)向量之間的非線性??映射，即直接從輸入人臉圖像中回歸出人臉關(guān)鍵點(diǎn)坐標(biāo)，這種方法被稱為坐標(biāo)回??歸方法。２０１３年Ｓｕｎ等人首次將深度卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用到人臉關(guān)鍵點(diǎn)檢測領(lǐng)域??［２Ｇ），就是利用的坐標(biāo)回歸方法。??坐標(biāo)回歸方法的輸出即為人臉關(guān)鍵點(diǎn)坐標(biāo)向量廣�。蓿�；＾；；，；....

圖２．?３熱圖回歸網(wǎng)絡(luò)示意圖??

述???比，在訓(xùn)練時(shí)傾向于關(guān)注大的誤差而忽略小的誤差，而Ｌ１損失函數(shù)的梯度值始??終為１，不受誤差值的影。實(shí)際上，目前基于深度學(xué)習(xí)的人臉關(guān)鍵點(diǎn)檢測算法很??容易達(dá)到一個(gè)較為粗糙但可以接受的結(jié)果，導(dǎo)致不同算法間產(chǎn)生性能差距的主要??原因之一就在于模型對微小誤差的優(yōu)化程度，因此Ｌ１損....

圖２．４?３００Ｗ數(shù)據(jù)集標(biāo)注格式??（２）?ＡＦＬＷ＾ｌ：?ＡＦＬＷ是人臉關(guān)鍵點(diǎn)檢測領(lǐng)域常用的數(shù)據(jù)集之一，該數(shù)據(jù)??集對每張人臉圖像標(biāo)注了?２１個(gè)關(guān)鍵點(diǎn)，標(biāo)注格式如圖２．５所示，一般的研宄工??

第２章本文相關(guān)知識(shí)概述???＇２°?＊２１?＞２２?，?２３?＾?．－２５?＜２６?＾??，２８?－０??”?，２９?，，７??＊３０??＊?１６??，２?＊３１??＾?２２．?３３＊?３＃?３￥?３６?？?１５??？３??＊?５１?＊?５２，Ｗ??，‘?－：ｒ，５５?＊，４??....

本文編號(hào)：4056969