文档名：基于单一深度神经网络集成学习的人脸对齐
人脸对齐作为人脸应用中的一个基本组件,备受关注.深度神经网络虽在人脸对齐领域取得了显著的性能改进,但采用单个DNN模型存在认知不确定性,致使部分特征点定位精度较低.集成学习是一种联合多个模型来创建更精确模型的通用技术,组集成网络(GroupEnsembleNetwork,GENet)为深度神经网络和集成学习的结合提供了好的框架.基于GENet思想,以MobileNetv3模块作为网络的主要组成模块,构建了一个单一深度神经网络集成学习模型,对人脸特征点进行检测.该模型具有共享基、多头的网络结构,能充分发挥集成学习的优势,以单个深度神经网络模型相似的复杂度和计算成本来提升特征点估计性能,而且对人脸姿态、光照、遮挡、标签噪声等影响具有一定的鲁棒性.实验证明,该模型在300W和AFLW两个流行的人脸对齐基准数据集上获得了优异的性能.
作者：代松银潘卫国徐冰心
作者单位：北京联合大学北京市信息服务工程重点实验室北京100000
母体文献：中国计算机用户协会网络应用分会2021年第二十五届网络新技术与应用年会论文集
会议名称：中国计算机用户协会网络应用分会2021年第二十五届网络新技术与应用年会
会议时间：2021年11月1日
会议地点：北京
主办单位：中国计算机用户协会
语种：chi
分类号：
关键词：人脸对齐 深度神经网络 集成学习 损失函数
在线出版日期：2022年8月26日
基金项目：
相似文献
相关博文
- 文件大小:
- 4.15 MB
- 下载次数:
- 60
-
高速下载
|
|
