大家好，又見面了，我是你們的朋友全棧君。
######《Deep Convolutional Network Cascade for Facial Point Detection》
2013年，通過3級卷積神經網絡來估計人臉關鍵點（5點），屬于級聯回歸方法。
級聯的卷積網絡結構:
Level1，采用了3個CNN，輸入區域分别為整張臉（F1），眼睛和鼻子（EN1），鼻子和嘴（EM1）。F1輸入尺寸為3939，輸出5個關鍵點的坐标；EN1輸入尺寸為3139，輸出是3個關鍵點的坐标；NM1輸入尺寸為3139，輸出是3個關鍵點。Level-1的輸出是由三個CNN輸出取平均得到，來較少變動。
Level-2，由10個CNN構成，輸入尺寸均為1515，每兩個組成一對，一對CNN對一個關鍵點進行預測，預測結果同樣是采取平均。
Level-3與Level-2一樣，由10個CNN構成，輸入尺寸均為15*15，每兩個組成一對。Level-2和Level-3是對Level-1得到的粗定位進行微調，得到精細的關鍵點定位。
Level-1之是以比Level-2和Level-3的輸入要大，是因為作者認為，由于人臉檢測器的原因，邊界框的相對位置可能會在大範圍内變化，再加上面部姿态的變化，最終導緻輸入圖像的多樣性，是以在Level-1應該需要有足夠大的輸入尺寸。Level-1與Level-2和Level-3還有一點不同之處在于，Level-1采用的是局部權值共享（Locally Sharing Weights），作者認為傳統的全局權值共享是考慮到，某一特征可能在圖像中任何位置出現，是以采用全局權值共享。然而，對于類似人臉這樣具有固定空間結構的圖像而言，全局權值共享就不奏效了。因為眼睛就是在上面，鼻子就是在中間，嘴巴就是在下面的。作者通過實驗證明了局部權值共享給網絡帶來性能提升。
網絡結構：
注：Level1中F1采用S0，EN1和NM1采用S2；Level2和Level3全部采用S2。
多級回歸：
我們發現幾種有效的方法結合多重卷積網絡。第一個是多級回歸。臉部bounding box是僅有的先驗知識。一個面部點對bounding box的相對位置可能分部在一個很大的範圍，這是由于臉部檢測器的不穩定性和姿态的多樣性。是以第一級的輸入區域應該是足夠大來覆寫所有可能的預測。但大的輸入區域是主要的不準确原因，因為不相關的區域可能退化網絡最後的輸出。第一級的網絡輸出為接下來的檢測提供了一個強大的先驗知識。真實的臉部點僞裝分布在第一級預測的一個小領域内。是以第二級的檢測可以在一個小範圍内完成。但沒有上下文資訊，局部區域的表現是不可靠的。為了避免發散，我們不能級聯太多層，或者過多信任接下來的層。這些網絡隻能在一個小範圍内調整初始預測。
為了更好的提高檢測精度和可靠性，我們提出了每一級都有多個網絡共同地預測每一個點。這些網絡的不同在于輸入區域。最後的預測可以用公式表達如下：
對n-級級聯，在i級有li個預測。第一級的預測是絕對位置，接下來的級的預測是調整。
訓練：
第一級，訓練和邊界相關的小塊，通過小的變換和旋轉增強資料。在接下來的級中，我們訓練以ground truth 位置随機變換得到的位置為中心的小塊，第二級在水準和豎直最大的shift為0.05，第三級為0.02，這個距離是以bounding box的大小為基準。參數通過随機初始化和随機梯度下降法得到。
測試：
DCNN采用級聯回歸的思想，從粗到精的逐漸得到精确的關鍵點位置，不僅設計了三級級聯的卷積神經網絡，還引入局部權值共享機制，進而提升網絡的定位性能。最終在資料集BioID和LFPW上均獲得當時最優結果。速度方面，采用3.3GHz的CPU，每0.12秒檢測一張圖檔的5個關鍵點。
注：博衆家之所長，叢集英之荟萃。
釋出者：全棧程式員棧長，轉載請注明出處：https://javaforall.cn/141868.html原文連結：https://javaforall.cn