检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于多层次自注意力网络的人脸特征点检测

计算机工程 2024年第2期50卷 239-246页

作者：徐浩宸刘满华上海交通大学电子信息与电气工程学院上海200240

人脸特征点检测是人脸图像处理的关键步骤之一,常用检测方法是基于深度神经网络的坐标回归方法,具有处理速度快的优点,但是用于回归的高层次网络特征丢失空间结构信息,且缺乏细粒度表征能力,导致检测精度降低。针对该问题,提出一种基于... 详细信息

人脸特征点检测是人脸图像处理的关键步骤之一,常用检测方法是基于深度神经网络的坐标回归方法,具有处理速度快的优点,但是用于回归的高层次网络特征丢失空间结构信息,且缺乏细粒度表征能力,导致检测精度降低。针对该问题,提出一种基于多层次自注意力网络的人脸关键点检测算法。为提取更具有细粒度表征能力的图像语义特征,构建基于自注意力机制的多层次特征融合模块,实现高层次高语义信息特征和低层次高空间信息特征的跨层次特征融合。在此基础上,设计一种多任务学习人脸特征点检测定位与人脸姿态角估计的训练方式,优化网络对人脸整体朝向姿态的估计,以提升特征点检测的准确性。在人脸特征点主流数据集300W和WFLW上的实验结果表明,与SAAT、AnchorFace等方法相比,该方法有效提升网络的检测精度,标准平均误差指标分别为3.23%和4.55%,相较于基线模型降低0.37和0.59个百分点,在WFLW数据集上错误率指标为3.56%,相较于基线模型降低了2.86个百分点,能够提取更具鲁棒性和细粒度的表达特征。

关键词：人脸特征点检测卷积神经网络自注意力机制特征融合多任务学习深度学习

在线全文

学校读者我要写书评

暂无评论

人脸特征点检测算法及处理芯片研究进展

微纳电子与智能制造 2020年第2期2卷 6-14页

作者：朱文平莫汇宇刘雷波魏少军清华大学微电子研究所北京100084

人脸对齐,即人脸特征点检测,作为人脸图像处理应用中的核心基础,其精度、鲁棒性及计算性能直接影响着终端人脸应用的用户体验。分别从算法及其处理芯片两个方面对人脸特征点检测方向的研究现状进行总结分析,并进一步针对当前的研究趋势... 详细信息

人脸对齐,即人脸特征点检测,作为人脸图像处理应用中的核心基础,其精度、鲁棒性及计算性能直接影响着终端人脸应用的用户体验。分别从算法及其处理芯片两个方面对人脸特征点检测方向的研究现状进行总结分析,并进一步针对当前的研究趋势及未来方向进行梳理和展望。

关键词：人脸对齐人脸特征点检测处理芯片深度学习神经网络

在线全文

学校读者我要写书评

暂无评论

一种基于稀疏编码的人脸特征点检测方法

微电子学与计算机 2017年第9期34卷 7-10,14页

作者：谭暑秋陈东义郭承刚黄志奇熊小锋电子科技大学自动化工程学院四川成都611731

为了能较好地检测遮挡的人脸形状,提出了一种基于稀疏编码的人脸特征点检测方法.在该方法中,采用基于级联回归的思想,用基于稀疏约束的重构模型来迭代搜索人脸特征点位置.首先,利用训练集中的图像学习一个具有全局性以及通用性为特点的... 详细信息

为了能较好地检测遮挡的人脸形状,提出了一种基于稀疏编码的人脸特征点检测方法.在该方法中,采用基于级联回归的思想,用基于稀疏约束的重构模型来迭代搜索人脸特征点位置.首先,利用训练集中的图像学习一个具有全局性以及通用性为特点的稀疏字典,然后结合人脸特征点局部区域内的纹理信息,使用支持向量回归的方法,重构出每次迭代所需的差分形状.为了验证该方法的可行性,将提出的方法在三个公开的数据集上进行测试.进而,为了进一步验证该方法的有效性,将该方法与两个性能较好的方法进行比较.实验结果表明所提方法具有可行性,且对遮挡的人脸特征点具有较高的识别率.

关键词：人脸检测人脸特征点检测稀疏编码人脸校准

多姿态人脸特征点检测算法研究及其在眼睛定位中的应用

在线全文

学校读者我要写书评

暂无评论

多姿态人脸特征点检测算法研究及其在眼睛定位中的应用

作者：廖才满华南理工大学

学位级别：硕士

人脸图像包含了大量信息,这些基本信息可以加工成更高级的用户信息,可用于了解人的情感与行为、人机交互等机器视觉领域,而要获取这些信息,通常需要先对人脸特征点进行检测。然而,在头部姿态变化的情况下,人脸的形状、尺度等特性发生很... 详细信息

人脸图像包含了大量信息,这些基本信息可以加工成更高级的用户信息,可用于了解人的情感与行为、人机交互等机器视觉领域,而要获取这些信息,通常需要先对人脸特征点进行检测。然而,在头部姿态变化的情况下,人脸的形状、尺度等特性发生很大的变动,给特征点的检测带来很大的挑战。因此,本文针对头部姿势变化下的特征点检测问题进行深入研究,提出一种能满足多姿态变化的人脸特征点检测算法,并将其应用在眼睛定位上,主要工作内容如下:(1)多姿态人脸特征点初始化。针对人脸特征点初始化对姿态变化敏感的问题,本文通过对不同人脸朝向的特征点分布趋势进行分析,提出一种基于人脸朝向分类的特征点初始化方法,对不同朝向的人脸采取不同的初始化策略。对于每一个待进行特征点检测的人脸图像,首先提取人脸图像的HOG(HistogramofOrientedGradient)特征,输入到已经训练好的随机森林决策树进行投票,得到其朝向分类标签。而后,不同的朝向选取对应训练子集中样本特征点的均值作为其初始化值。(2)对姿态变化不敏感的姿势索引特征的提取。为了增强多姿态变化下人脸特征点检测的鲁棒性,本文将传统的基于级联回归模型的人脸特征点框架拓展为正朝向、左朝向、右朝向三个方向,同时在对应的朝向下提出一种对姿势变化不敏感的特征——基于类内区域均值的姿势索引特征。首先,对人脸中关键部位的特征点进行聚类,随机取类内的特征点组成三角形区域模板集,接着在每个区域模板中选取若干个参考点,并计算其均值作为类内局部区域的输出,最后根据特征相关性分析得到局部区域特征对,作为姿势索引特征。本文提出的基于人脸朝向分类的特征点初始化方法,在不同朝向的姿势下取得很好的分类效果,在CAS-PEAL数据库和Helen-LFPW-300W混合数据库平均分类准确率分别达到95.8%、93.8%,同时得到的特征点平均定位误差要低于传统的随机初始化方法;基于类内区域均值的姿势索引特征,在Helen-LFPW-300W混合数据库中检测得到的人脸特征点平均定位误差要低于传统的姿势索引特征;同时将人脸特征点检测应用在眼睛定位上,得到的眼睛定位误差要低于传统统计学习的方法。实验结果证明,本文提出的初始化算法和姿势索引特征能较好的解决多姿态变化带来的问题。

关键词：多姿态人脸特征点检测人脸特征点初始化眼睛定位

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的人脸特征点检测及其应用研究

基于深度学习的人脸特征点检测及其应用研究

作者：黄迎苏州大学

学位级别：硕士

近年来,以深度学习为代表的人工智能技术为各个行业带来了巨大的变革,尤其在计算机视觉领域更是大放异彩。人脸特征点标示了人脸重要器官的位置,在一定程度上表示了人脸的几何结构,是人脸识别、表情分析、人脸3D重构等众多相关应用的重... 详细信息

近年来,以深度学习为代表的人工智能技术为各个行业带来了巨大的变革,尤其在计算机视觉领域更是大放异彩。人脸特征点标示了人脸重要器官的位置,在一定程度上表示了人脸的几何结构,是人脸识别、表情分析、人脸3D重构等众多相关应用的重要基础。尽管基于深度学习的人脸特征点检测技术有效提高了检测的性能,但当人脸受到遮挡、光照、表情等复杂环境的影响时,检测的性能会严重下降。本论文主要研究基于深度学习的人脸特征点检测技术,以提高检测性能,同时对基于人脸特征点检测的3D人脸重构技术进行研究。首先,本论文以堆叠沙漏网络(Stacked Hourglass Network,SHN)为基础模型,通过引入注意力机制,提出了一种新的堆叠注意力沙漏网络(Stacked Attention Hourglass Network,SAHN),并采用所得到的热力图进行回归训练。在SAHN的设计中,空间注意力残差单元(Spatial Attention Residual,SAR)能够使网络对人脸特征点相关区域赋予更大的权重,从而提取更重要的特征信息。同时,通道注意力分支(Channel Attention Branch,CAB)模块能够有效指导下一级沙漏网络,从而更准确地提取面部特征。传统SHN通常由四级沙漏网络堆叠而成,而本论文提出的SAHN由于引入了 SAR单元和CAB模块,仅采用两级沙漏网络堆叠就能取得令人满意的性能,且参数量及计算量大大减少。其次,为了进一步提高人脸特征点检测在遮挡、光照、表情等复杂环境下的准确性,本论文使用softargmax和可微空间数值变换(Differentiable Spatial To Numerical Transform,DNST)方法从热力图中得到特征点坐标,提出了一种可变鲁棒性(Variable Robustness,VR)损失函数用于端到端的坐标点回归训练。在训练过程中通过调节参数改变VR损失函数的形状,从而有效减小在训练后期异常值造成的影响。在VR损失函数的帮助下,SAHN可以更好地检测复杂环境下的人脸特征点,从而有效增强人脸特征点检测的鲁棒性。最后,将人脸特征点检测应用到3D人脸重构中。本论文基于SAHN对体素回归网络(Volumetric Regression Network,VRN)进行进一步改进,提出了注意力体素回归网络(VRN-SAHN)。在VRN-SAHN中,通过输入人脸2D图像及特征点对应的热力图得到3D人脸的体素形式,并通过移动立方体(Marching Cubes Algorithm,MC)算法及最近点迭代(Iterative Closest Point,ICP)算法得到最终的3D点云。本论文在300 W、WFLW及COFW这3个公共数据集上对SAHN进行了训练与测试,实验结果验证了 SAR单元、CAB模块及VR损失函数的有效性。相比现有算法,本论文提出的方法在3个数据集上均取得了较好的效果,其中,对于最复杂的WFLW数据集,NME降到了 4.23%。同时,实验结果表明人脸特征点检测在3D人脸重构中起到了重要的作用,且VRN-SAHN能够有效提高3D人脸重构的性能。

关键词：人脸特征点检测堆叠沙漏网络注意力机制损失函数 3D人脸重构

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

高效人脸特征点检测研究

高效人脸特征点检测研究

作者：吕书邻国防科技大学

学位级别：硕士

随着人脸认证、人脸编辑技术在移动端设备上的广泛应用,人脸特征点检测模型面临着来自姿态和表情、遮挡与实时性需求的三重挑战。目前关于人脸特征点检测模型的研究主要聚焦于提升特征点定位的准确度上,而忽略了模型规模大小和推理实时... 详细信息

随着人脸认证、人脸编辑技术在移动端设备上的广泛应用,人脸特征点检测模型面临着来自姿态和表情、遮挡与实时性需求的三重挑战。目前关于人脸特征点检测模型的研究主要聚焦于提升特征点定位的准确度上,而忽略了模型规模大小和推理实时性的问题。本文围绕设计高效人脸特征点检测模型的目标,对人脸特征点检测模型如何应对移动端的挑战进行了研究,取得的主要研究进展如下:针对姿态和表情带来的定位不准的挑战,本文在使用Shuffle Net V2模块搭建网络框架的基础上,进一步使用动态卷积、Wingloss损失函数和数据增强的方法提升模型应对夸张姿态和表情的能力。动态卷积对不同的输入动态地计算注意力,具有比静态卷积更强的特征表达能力。Wingloss损失函数增强了小误差的损失,使模型能够在小误差点上进一步细化训练。在WFLW数据集上,模型的平均眼间距归一化误差为5.81,规模大小为984.1KB,推理速度为50.31fps,实现了精度、模型大小与速度的均衡。针对遮挡情况带来的定位不准的挑战,本文使用添加遮挡预测网络和数据增强的方法提升模型在可见点上的定位精度。遮挡预测网络与特征点坐标回归网络共享浅层参数。通过多任务学习,遮挡预测网络可以诱导特征点坐标回归网络对可见点凝聚注意力。通过对训练数据集添加随机色块遮挡的方法进行数据增强,模型可以在训练时学习到更多的遮挡情况。在MERL-RAV数据集上,添加遮挡预测网络的模型在可见点定位上准确率提升1.67%,眼间距归一化误差上下降0.48%,较不使用遮挡预测网络的模型有更好的遮挡处理能力。针对系统资源受限带来的挑战,本文进一步采用Network Slimming剪枝和知识蒸馏对模型进行压缩。Network Slimming剪枝在训练时诱导模型产生结构稀疏。通过剪枝冗余计算,可以从原模型中得到规模大幅缩减的小模型。知识蒸馏使得剪枝得到的小模型可以在微调后进一步恢复精度。通过将剪枝前的模型作为教师模型,剪枝后的模型作为学生模型,剪枝后的小模型可以学习到剪枝前模型的预测能力。在WFLW数据集上,压缩后的模型可以减少27.33%的存储开销,而精度仅下降2.04%,精度、速度、存储开销均优于PFLD模型。

关键词：人脸特征点检测移动端 ShuffleNetV2 动态卷积遮挡模型压缩

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于全卷积神经网络的人脸特征点检测研究

基于全卷积神经网络的人脸特征点检测研究

作者：陈伟亮浙江大学

学位级别：硕士

人脸特征点检测旨在定位人脸图像上预定义的语义特征点的位置,这些特征点为人脸提供了丰富的语义描述,同时去除了原始图片中的无关信息,因此在人脸验证等多种相关研究中起重要作用。在人脸特征点检测研究中,全卷积神经网络由于具有浅层... 详细信息

人脸特征点检测旨在定位人脸图像上预定义的语义特征点的位置,这些特征点为人脸提供了丰富的语义描述,同时去除了原始图片中的无关信息,因此在人脸验证等多种相关研究中起重要作用。在人脸特征点检测研究中,全卷积神经网络由于具有浅层特征与深层特征的融合而使其特征中保留了较多的底层空间信息,有利于改善特征点检测算法性能表现,因此成为最近几年的研究热点。然而,在非限定情况下,人脸存在姿态、表情、尺度等各种变化,给人脸特征点检测算法带来了巨大的挑战。本文在全卷积神经网络架构基础上,致力于非限定情况下的人脸特征点检测。本文针对这些问题,分别从任务的分级和简化、全卷积神经网络架构优化、人脸特征判别性增强等三方面展开研究,主要工作和贡献如下:1、我们提出了基于沙漏网络的级联沙漏网络结构,该方法采用级联设计,通过数据增强生成概念上不同粒度的训练数据,分别训练各级网络,使得各级网络分别学习到不同层次的特征,多级之间有更好的协同。2、我们从理论和实际两方面指出了以往的全卷积神经网络人脸特征点检测架构的缺陷,即训练和测试评判准则不一致的问题。针对该问题在训练过程中不同阶段具有不同的影响的特性,我们提出了同时优化残差项和交叉熵的方法。在当前的公开数据集300-W上,本文的算法取得了超过以往方法的性能。3、我们研究了在人脸特征点检测中应用判别性学习的可能性和方法,并提出了基于特征局部约束的人脸特征点检测算法。该方法针对非限定情况下人脸图像特性存在较大变化的特点,先通过对齐消除尺度、姿态等对特征不变性的影响,并增加不同人脸图像上相同人脸特征点的局部特征相似性约束,增强了具有相同语义的人脸部件特征的不变性,从而改善人脸特征点检测算法的性能表现。最后,本文实现了基于人脸特征点检测的人证验证应用。

关键词：人脸特征点检测全卷积神经网络残差特征判别性特征

基于视频的实时人脸特征点检测及跟踪技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于视频的实时人脸特征点检测及跟踪技术研究

作者：王蕾先哈尔滨工业大学

学位级别：硕士

人脸识别技术是一种通过提取人的脸部表观信息去进行识别身份的生物识别技术,是在计算机领域被广泛研究着的热点问题,并在社会和大众生活中得到广泛地应用。人脸的特征点定位在人脸的分析和识别技术中占有举足轻重的地位,同时也是人脸... 详细信息

人脸识别技术是一种通过提取人的脸部表观信息去进行识别身份的生物识别技术,是在计算机领域被广泛研究着的热点问题,并在社会和大众生活中得到广泛地应用。人脸的特征点定位在人脸的分析和识别技术中占有举足轻重的地位,同时也是人脸表情识别、人脸建模检索、人脸核身等其他一些人脸相关领域的基础和前提。人脸特征点定位过程较为复杂,特别是在外界环境不确定下的影响,例如肤色明暗、姿态变化、光照强弱以及遮挡等,传统的人脸特征点检测算法精度会发生下降。同时,相对于静态的人脸特征点检测问题,在视频环境下的人脸特征点检测与跟踪更加具有挑战性。所以,在动态环境下,对人脸特征点通过检测或跟踪技术进行精准定位非常值得深入研究。因此,本文的研究工作有如下几方面:1.深入学习了基于级联形状回归的人脸关键点检测算法,在此基础上设计双层级联回归结构,增加回归算法的稳定性。引入梯度提升回归树算法,用结构简单的决策树构成弱回归器,将真实值和预测值的残差作为迭代的拟合,加快了迭代速度,有效地提高了算法的精度。2.针对基于梯度提升树算法重点关注数据的快速拟合,可能会导致预测过拟合,采用高斯过程回归算法代替梯度提升树算法。由于在高斯过程与决策树算法结合中,常见的核函数与之并不匹配,自行设计特殊的核函数,将输入间的距离抽象为是否落入同一决策树叶节点,降低训练和预测的复杂度。根据核函数的特殊性,设计三层级联回归结构的算法,用多棵决策树结合核函数对形状回归,高效地提高了定位精度。3.针对在视频中的动态环境下对人脸特征点进行定位,采用检测-跟踪的方法,利用基于核相关滤波的算法对人脸进行跟踪,加入多尺度检测解决跟踪算法固定模板的问题。对于长期跟踪会出现的跟踪漂移问题,设计跟踪校验系统,并利用局部检测代替全局检测,减小系统开支,使得人脸特征点跟踪系统可以实现实时且精准的定位。

关键词：人脸特征点检测梯度提升回归树高斯过程人脸特征点跟踪

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于卷积神经网络的人脸特征点检测电路设计

基于卷积神经网络的人脸特征点检测电路设计

作者：向家淇东南大学

学位级别：硕士

人脸特征点检测作为人脸识别和分析的基础,受到了越来越广泛的关注。与传统算法相比,卷积神经网络在人脸特征点检测任务上获得了更高的精度。然而网络中密集的参数和庞大的计算量往往使其限制于GPU等计算平台。目前对实时的嵌入式人脸... 详细信息

人脸特征点检测作为人脸识别和分析的基础,受到了越来越广泛的关注。与传统算法相比,卷积神经网络在人脸特征点检测任务上获得了更高的精度。然而网络中密集的参数和庞大的计算量往往使其限制于GPU等计算平台。目前对实时的嵌入式人脸特征点检测的需求越来越大,因此需要对现有基于卷积神经网络的人脸特征点检测方法进行优化,以提高检测的精度和速度。本文设计了一种基于多任务学习的人脸特征点检测算法,利用24个高辨识度人脸属性作为辅助任务与特征点同时训练的方法,并通过统一卷积核尺寸、对较大的特征图使用步长为2的卷积取代池化等方法,极大提升了模型的效率。在训练时采用提前停止的方法大大提高了算法的检测精度,并通过减小学习率和仅微调网络的高层参数,降低提前停止带来的过拟合风险。此外,本文还完成了人脸特征点检测电路设计,包括地址产生器、二维卷积单元、缓存单元等关键模块,并在中芯国际40nm工艺下完成了综合与仿真,通过配置特征图大小减少无效数据的传输和计算,提高了电路的处理效率。最后基于FPGA开发板在100MHz频率下完成了人脸特征点检测系统的测试。实验结果表明,本文设计的人脸特征点检测算法在AFLW测试集的平均归一化误差为7.4%,比TCDCN算法减少了0.6个百分点,与MTCNN算法相比网络模型规模减小了2/3左右。本论文基于Miz702N FPGA开发板实现的人脸特征点检测系统经16位定点化处理后检测精度损失几乎可以忽略,速度达到26fps。本文的研究可为人脸特征点检测在智能机器人、手机等各类移动终端产品的应用提供参考方案。

关键词：人脸特征点检测卷积神经网络多任务学习人脸属性电路设计