HPM(提高遮挡重建模型)

HPM(提高遮挡重建模型)近期 一篇新的技术 Paper Occlusion Coherence Detecting and Localizing Occluded Faces 在 FDDB 测试结果 表明可以提高当前人脸检测的性能 本文简要摘录和介绍了有关 HDM 算法的部分内容 1 一种人脸检测 姿势估计 标记估计的统一模型 这个要从 CVPR 2012 上获得 Google student paper

大家好,我是讯享网,很高兴认识大家。

近期,一篇新的技术Paper《Occlusion Coherence Detecting and Localizing Occluded Faces》,在 FDDB测试结果 表明可以提高当前人脸检测的性能。本文简要摘录和介绍了有关HDM算法的部分内容。

1:一种人脸检测、姿势估计、标记估计的统一模型

这个要从 CVPR 2012上获得Google student paper award的一篇Paper说起,即《Face Detection, Pose Estimation, and Landmark Localization in the Wild》,具体摘要如下。

提高人脸检测性能新模型HPM
讯享网

该文针对真实环境中的杂乱图像,提出了一种人脸检测、姿势估计、标记估计的统一模型。该模型基于一种混合树结构模型的算法,树之间有部分共享池。 该模型根据不同的视角采用全局的混合来获取拓扑改变。树结构模型在获取全局弹性变形上有令人惊讶的效果,可以很容易的优化不同密度的图结构。该文提供了在 标准人脸benchmark上的扩展结果,同样在一个新的真实环境注解的数据集上也进行了验证。实验结果证实了该系统,在三个任务(人脸探测、姿势估计、 标记定位)都优于当前的最好结果。尽管该模型是采用成百上千的人脸训练出来的,但结果不亚于(compare favourably with)由数十亿级别样本训练出来的商业系统(例如Google Picasa和face.com)。

提高人脸检测性能新模型HPM

上图:我们的混合树模型将不同视角的拓扑变化进行了编码。红线表示成对部分跳变;注意这里是没有闭环的,保持树的属性。所有的树利用了一个公用的部分模版的共享池,可以形成有效的学习和推理。

Paper、Slide下载

<p style="margin-top:0px; margin-bottom:30px; font-size:1.8rem; line-height:31px"> <span style=""><span style=""><span style="">X. Zhu </span></span>, <span style=""><span style="">D. Ramanan </span></span>. <span style="font-weight:700">“Face detection, pose estimation and landmark localization in the wild”</span> <span style="">Computer Vision and Pattern Recognition</span> (CVPR) Providence, Rhode Island, June 2012.</span></p> <p style="margin-top:0px; margin-bottom:30px; font-size:1.8rem; line-height:31px"> <span style="">[pdf] </span><span style="">  [slides (Keynote file,36M)] </span><span style=""><span style="">[slides (PPT file, converted from keynote, animation may not work correctly,17M)]</span></span></p> 

讯享网
小讯
上一篇 2025-03-22 17:58
下一篇 2025-02-27 16:00

相关推荐

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容,请联系我们,一经查实,本站将立刻删除。
如需转载请保留出处:https://51itzy.com/kjqy/113088.html