人臉關鍵點檢測綜述

2021-09-09 07:39:42 字數 1558 閱讀 1037

目錄

1. 前言

2 .人臉檢測資料集:

3.人臉檢測方法

4.**鏈結以及部分部落格解讀鏈結

根據知乎專欄:

整理出來的**綜述。馬住慢慢看總結。

序號**

時間主要方法

優點缺點1

an introduction to active shape models

1995

asm模型簡單直接,架構清晰明確,易於理解和應用,形狀約束

近似於窮舉搜尋,效率低2

1998

aam加入整個臉部區域的紋理特徵3

cascaded pose regression

2010

cpr多級回歸器

自動訓練學習4

deep convolutional network cascade for facial point detection

2013

dcnn

深度學習首次應用5點5

extensive facial landmark localization with coarse-to-fine convolutional network cascade

2013

face++版 dcnn

減少計算量

提高精度

68點6

tcdcn-facial landmark detection by deep multi-task learning

tcdcn

快速多工

容易漂移7

joint face detection and alignment using multi-task cascaded convolutional networks

2016

mtcnn

同時進行人臉檢測和人臉關鍵點定位

hardsample挑選8

tweaked convolutional neural networks

2016

tcnn

採用聚類分析9

deep alignment networks

2017

dan加入關鍵點熱圖,輸入整張影象

10robust facial landmark detection via a fully-convolutional local-global context network

設計思路與之前的有本質差異

1 asm **

參考部落格

2 aam **

參考部落格

3cpr **

參考部落格

4 dcnn **

參考部落格

5 face++ **

參考部落格

6 tcdcn **

參考部落格

7 mtcnn **

參考部落格

8 tcnn **

參考部落格

9 dan **

參考部落格

caffe 人臉關鍵點檢測 密集人臉關鍵點檢測

mtcnn聯合人臉檢測和對齊任務提供了5點關鍵點的能力,但是對於姿態姿態恢復等應用是遠遠不夠的,經常會出現某個點錯誤導致大幅抖動,顯然需要更密集的關鍵點.常見的資料集都是68點和106點。人臉關鍵點檢測主要面臨下面幾個挑戰 區域性變化 現實場景中人臉的表情,廣告,以及遮擋情況都有較大的變化,如fig...

人體關鍵點檢測綜述

宣告 本文主要內容 於 人體姿態估計 human pose estimation 也稱為人體關鍵點檢測 human keypoints detection 對於人體姿態估計的研究,大致可做如下分類。1.rgb vs rgbd 後者多一項depth資訊,常用於3d人體姿態估計的研究。2.2d huma...

人臉關鍵點 PFLD人臉關鍵點檢測解讀

參考 應用場景 人臉特效,疲勞檢測,美妝,非官方code 圖1 模型結構圖 圖2 人臉關鍵點 圖3 輔助分支 pfld的模型訓練策略 一開始我們設計的那個簡單的網路,採用的損失函式為mse,所以為了平衡各種情況的訓練資料,我們只能通過增加極端情況下的訓練資料 平衡各類情況下的訓練資料的比例 控制資料...