免費(fèi)論文查重認(rèn)準(zhǔn)CNKI論文查重，專(zhuān)為高校論文檢測(cè)、畢業(yè)論文查重、碩士論文查重誕生的論文檢測(cè)入口平臺(tái)，CNKI論文查重系統(tǒng)涵蓋海量的數(shù)據(jù)庫(kù)，為畢業(yè)生解決各種煩惱，論文查重軟件免費(fèi)為各種有論文檢測(cè)、論文查重需求的人提供，論文查重認(rèn)準(zhǔn)CNKI查重！
發(fā)布時(shí)間：2023-03-21 16:12:18 作者：學(xué)術(shù)小編 來(lái)源：m.1888yd.cn
作者認(rèn)為人臉檢測(cè)和人臉關(guān)鍵點(diǎn)檢測(cè)兩個(gè)任務(wù)之間往往存在著潛在的聯(lián)系，然而大多數(shù)方法都未將兩個(gè)任務(wù)有效的結(jié)合起來(lái)，本文為了充分利用兩任務(wù)之間潛在的聯(lián)系，提出一種多任務(wù)級(jí)聯(lián)的人臉檢測(cè)框架，將 人臉檢測(cè)和人臉關(guān)鍵點(diǎn)檢測(cè) 同時(shí)進(jìn)行。 MTCNN 包含三個(gè)級(jí)聯(lián)的多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)，分別是 Proposal Network (P-Net)、Refine Network (R-Net)、Output Network (O-Net) ，每個(gè)多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)均有三個(gè)學(xué)習(xí)任務(wù)，分別是 人臉?lè)诸?lèi)、邊框回歸和關(guān)鍵點(diǎn)定位 。
該論文由港中文的孫祎、王曉剛、湯曉鷗提出，應(yīng)該是最早使用 CNN 進(jìn)行人臉關(guān)鍵點(diǎn)檢測(cè)的論文之一了。 在論文中，作者設(shè)計(jì)了 Three-level cascaded CNNs 用于人臉關(guān)鍵點(diǎn)檢測(cè)（5 Points）：Left Eye Center (LE)，Right Eye Center (RE)，Nose Tip (N)，Left Mouth Corner (LM)，Right Mouth Corner (RM)。 在模型的各個(gè) level 中，模型會(huì)對(duì)各個(gè)人臉關(guān)鍵點(diǎn)做多次預(yù)測(cè)，取其平均值。
常見(jiàn)的人臉關(guān)鍵點(diǎn)檢測(cè)算法中，其損失函數(shù)一般都是 L2 Loss（如下圖左側(cè)所示，其中的 用來(lái)控制各個(gè)關(guān)鍵點(diǎn)的權(quán)重）。 作者考慮到現(xiàn)有數(shù)據(jù)集中極端情況的樣本數(shù)量少，故對(duì)旋轉(zhuǎn)角度大的樣本給予更大的 Loss 權(quán)重（如下圖右側(cè)所示，），以此緩解所存在的數(shù)據(jù)樣本分布不平衡的問(wèn)題。
在該篇論文中，作者將人臉關(guān)鍵點(diǎn)（68 Facial Landmarks）分為 Inner Points（人臉五官區(qū)域的特征點(diǎn)） 和 Contour Points（人臉輪廓的特征點(diǎn)），并分開(kāi)進(jìn)行預(yù)測(cè)。 此外，作者對(duì)于 Inner Points 的預(yù)測(cè)過(guò)程中，按照五官區(qū)域進(jìn)行劃分，對(duì)各個(gè)區(qū)域的特征點(diǎn)進(jìn)行微調(diào)。 之所以作者按照五官區(qū)域進(jìn)行劃分，是因?yàn)椴煌瑓^(qū)域的關(guān)鍵點(diǎn)的預(yù)測(cè)難度不同（如下圖左側(cè)所示），一起進(jìn)行預(yù)測(cè)效果不好；將 Inner Points 和 Contour Points 分開(kāi)預(yù)測(cè)，是因?yàn)?Contour Points 的預(yù)測(cè)難度大于 Inner Points（如下圖右側(cè)所示）。 此外，作者也指出之所以預(yù)測(cè) Contour Points 的分支沒(méi)有第三、四層網(wǎng)絡(luò)，是受運(yùn)行時(shí)間的限制。
