2023-07-05
2023-06-18
2023-07-05
2023-06-29
2023-03-19
更新时间:2024-04-12 17:39:39 发布时间:24小时内 作者:文/会员上传 下载docx
2023-07-05
2023-06-18
2023-07-05
2023-06-29
2023-03-19
在第二阶段,人脸预处理的目标是将检测到的人脸标定为一个规范的视图(即人脸对齐或正面化),这是提高人脸识别端到端性能的必要步骤。
通常,人脸对齐利用空间变换技术将人脸校准为标准化视图。在现有的人脸对齐方法中,人脸landmark或所谓的人脸关键点(如图3所示)是必不可少的,因为它们是进行相似变换或仿射变换的参考。因此,人脸关键点定位是人脸对齐的先决条件。
基于深度学习的人脸landmark定位方法可以分为三种:coordinate regression based approaches, heatmap regression based approaches and 3D model fitting based approaches
挑战:
Facial Variations
Runtime efficiency
The annotation ambiguity
The annotation granularity
High-fidelity face frontalization
有前景的研究方向
High-fidelity face frontalization
High robustness and efficiency
Dense landmark localization
Video-based landmark localization
Semi-supervised landmark localization:
High-fidelity face frontalization and its metrics
图 7 具有代表性的人脸预处理方法的发展。橙色,蓝色,绿色,黄色灰色代表坐标回归、热图回归、三维模型拟合、landmark-free人脸对齐方法和正面化。对于这些方法的引用,可以参考表5。
图 1 20_-20_ 人脸检测,人脸预处理,人脸表征相关的论文发表论文数量
表 1 近20年人脸综述
对每个要素的回顾包括许多方面: 算法设计,评估指标,数据集,性能比较,剩下的挑战,以及未来研究的发展方向。我们希望这次调查能带来一些有益的想法,为了更好的理解端到端人脸识别的大图和更深层次。
本文的主要贡献:
我们提供了端到端的的人脸识别的最新进展的全面调查包括人脸检测、人脸预处理、人脸表征。
我们从算法设计、评价指标、数据集,性能比较等。
我们进一步收集了每个组成存在的挑战和有前景的方向,以促进未来的研究,并从整体框架的观点讨论未来的趋势。
图 2 标准的端到端的人脸识别系统
首先,人脸检测阶段的目标是定位输入图像上的人脸区域。然后,进行人脸预处理,将检测到的人脸归一化为标准视图。最后,人脸表示致力于提取判别特征用于人脸识别。
图 4 人脸检测方法发展。
蓝色和灰色分别代表多阶段和单阶段方法;按anchor的使用方法,矩形、椭圆形、菱形分别为anchor-based、anchor-free及其他方法。对于这些方法的引用,可以参考表2。
将本文的Word文档下载到电脑
推荐度: