Learning Deep Face Representation
Megvii Inc.（旷视科技有限公司）
人脸表示是人脸识别系统的关键步骤。最佳的人脸表示应该是有区别的，鲁棒的，紧凑的，并且非常容易实现。虽然已经提出了许多手工制作和基于学习的表示，但仍然存在相当大的改进空间。在本文中，我们提出了一个非常容易实现的用于人脸表示的深度学习框架。我们的方法基于一种新的深度网络结构（称为金字塔CNN）。所提出的金字塔CNN采用贪婪滤波和下采样操作，这使得训练过程非常快速和计算效率高。此外，Pyramid CNN的结构可以自然地包含跨多尺度人脸表示的特征共享，从而增加了结果表示的区分能力。我们的基本网络是能够实现高识别精度（$85.8\%$ LFW基准），只有8维表示。当扩展到特征共享金字塔CNN时，我们的系统在LFW基准测试中达到了最先进的性能（$97.3\%$）。我们还介绍了一个新的基准的真实感人脸图像的社会网络和验证我们提出的表示具有良好的泛化能力。
2014-03-12 cs.CV cs.LG
Landmark Detection in Low Resolution Faces with Semi-Supervised Learning
University of Maryland-College Park（马里兰大学帕克分校）
在高分辨率图像上训练的地标检测算法在包含低分辨率图像的数据集上表现不佳。这阻碍了依赖于质量地标的算法的性能，例如面部识别。据我们所知，不存在任何由低分辨率人脸图像及其注释地标组成的数据集，这使得监督训练不可行。在本文中，我们提出了一个半监督的方法来预测地标低分辨率图像的学习，他们从标记的高分辨率图像。这项工作的目的是表明，直接预测低分辨率图像上的地标是更有效的比目前的做法，调整图像后重新缩放或超分辨率。在一个两步的过程中，所提出的方法首先学习生成低分辨率图像的目标低分辨率图像的分布建模。在第二阶段，生成的图像和真实低分辨率图像的角色被切换，并且模型学习从生成的低分辨率图像预测真实低分辨率图像的地标。通过大量的实验，我们研究了每个设计选择的影响，并表明直接在低分辨率图像上预测地标可以提高低分辨率图像中人脸识别等重要任务的性能。
2019-07-30 cs.CV
LOTR: Face Landmark Localization Using Localization Transformer
Sertis Vision Lab（瑟蒂斯视觉实验室）；QIS Capital（QIS资本）；Chulalongkorn University（朱拉隆功大学）
提出了一种基于Transformer的人脸标志点定位网络Localization Transformer（LOTR）。建议的框架是一个直接的坐标回归方法，利用Transformer网络，以更好地利用空间信息的功能地图。LOTR模型由三个主要模块组成：1）将输入图像转换为特征图的视觉主干，2）改进来自视觉主干的特征表示的Transformer模块，以及3）直接从Transformer的表示预测地标坐标的地标预测头。给定裁剪和对齐的人脸图像，所提出的LOTR可以进行端到端的训练，而不需要任何后处理步骤。本文还介绍了平滑翼损失函数，它解决了梯度不连续的翼损失，导致更好的收敛比标准的损失函数，如L1，L2，和翼损失。在106点面部地标定位的第一次大挑战提供的JD地标数据集上的实验结果表明，LOTR优于排行榜上的现有方法和最近两种基于热图的方法。在WFLW数据集上，与几种最先进的方法相比，所提出的LOTR框架显示出有希望的结果。此外，我们报告了使用我们提出的LOTR进行人脸对齐时，最先进的人脸识别性能的改善。
2022-02-22 cs.AI cs.CV cs.LG
Facial Landmark Detection Evaluation on MOBIO Database
West Virginia University（西弗吉尼亚大学）
本文首次在MOBIO移动人脸数据库上评估人脸关键点检测，标注约20,600张图像的22个关键点，验证该数据库具有较高挑战性。
2023-07-06 cs.CV
Can Synthetic Faces Undo the Damage of Dataset Bias to Face Recognition and Facial Landmark Detection?
University of Basel（巴塞尔大学）
众所周知，用于人脸识别和人脸地标检测的深度学习方法在现代训练数据集中存在偏差。在这项工作中，我们建议使用合成人脸图像来减少数据集偏差对这些任务的负面影响。使用3D变形人脸模型，我们生成大量的合成人脸图像，完全控制面部形状和颜色，姿势，照明和背景。通过一系列实验，我们通过使用合成面孔进行预训练，广泛测试了引发深度网络的效果。我们观察到人脸识别和面部地标检测任务的以下积极影响：1）使用合成人脸图像的启动在所有基准测试中一致地提高了性能，因为它减少了训练数据中偏差的负面影响。2)减少数据集偏差损害的传统方法，如数据增强和迁移学习，不如使用合成人脸进行训练有效。3)使用合成数据，我们可以将真实世界数据集的大小减少75%用于人脸识别，并将其减少50%用于面部地标检测，同时保持性能。因此，提供了一种手段，将数据汇集过程集中在数量较少但质量较高的数据上。
2019-06-23 cs.CV
Optimal-Landmark-Guided Image Blending for Face Morphing Attacks
College of Computer Science（计算机科学学院）；Sichuan University（四川大学）
该研究提出一种最优地标引导的人脸变形攻击方法，通过GCN结合地标与外观特征优化变形效果，兼具两类传统方法优势，生成的图像质量更高，对先进人脸识别系统威胁更大。
2024-01-30 cs.CV
Real-Time Facial Expression Recognition using Facial Landmarks and Neural Networks
提出了一种轻量级的基于人脸静态图像的特征提取、七种不同情绪分类和实时的【形】表情识别算法。在这方面，基于前述算法训练多层感知器（MLP）神经网络。为了对人脸进行分类，首先对输入图像进行预处理，对人脸进行定位和裁剪，然后使用人脸特征点检测库对人脸特征点进行检测。然后，人脸被分割成上脸和下脸，这使得能够从每个部分提取所需的特征。在所提出的模型中，同时考虑到基于几何和纹理的特征类型。在特征提取阶段之后，创建特征的归一化向量。使用这些特征向量训练3层MLP，在测试集上达到96%的准确率。
2022-01-31 cs.AI cs.CV cs.LG
Robust Facial Landmark Detection via Aggregation on Geometrically Manipulated Faces
West Virginia University（西弗吉尼亚大学）
在这项工作中，我们提出了一个实用的方法来解决面部标志点检测的问题。该方法可以处理大的形状和外观变化下丰富的形状变形。为了处理形状的变化，我们配备了我们的方法与操纵的人脸图像的聚合。所提出的框架生成不同的操纵面只使用一个给定的人脸图像。该方法利用了这样一个事实，即输入域中小而精心制作的几何操作可以欺骗深度人脸识别模型。我们提出了三种不同的方法来生成操纵的脸，其中两个通过对抗攻击和其他一个使用已知的转换执行的操作。聚合被操纵的面部提供了更鲁棒的地标检测方法，其能够捕获面部形状的更重要的变形和变化。我们的方法被证明其优越性相比，国家的最先进的方法在基准数据集AFLW，300-W，和COFW。
2020-01-07 cs.CV
LAFS: Landmark-based Facial Self-supervised Learning for Face Recognition
Queen Mary University of London（伦敦玛丽女王大学）
针对无标签人脸识别，提出基于 landmarks 的自监督方法 LAFS，利用人脸关键点补丁和特定增强学习关键表示，在多个基准上显著提升性能，尤其在少样本场景。
2024-03-13 cs.AI cs.CV
Maximized Posteriori Attributes Selection from Facial Salient Landmarks for Face Recognition
Indian Institute of Technology Kanpur（坎普尔印度理工学院）；Dr. B. C. Roy Engineering College（B. C. 罗伊工程学院）；Jadavpur University（贾达普大学）；University of Sassari（萨萨里大学）
本文提出了一种鲁棒的和动态的人脸识别技术的基础上提取和匹配的设计概率图的SIFT特征相关的独立的人脸区域。人脸匹配策略是基于匹配的个人显着的面部图，其特征在于SIFT功能连接到面部标志，如眼睛和嘴。为了减少人脸匹配的错误，应用Dempster-Shafer决策理论融合从每对显著人脸特征中获得的个体匹配分数。该算法与ORL和IITK人脸数据库进行了评估。实验结果表明，所提出的人脸识别技术的有效性和潜力的情况下，部分遮挡的脸。
2010-04-12 cs.CV
FoxNet: A Multi-face Alignment Method
Hunan Agriculture University（湖南农业大学）
多人脸对齐的目的是识别图像中多个人脸的几何结构，其性能对于人脸识别、人脸跟踪、人脸动画等实际任务至关重要。在这项工作中，我们提出了一种快速的自底向上的多人脸对齐方法，它可以同时定位多人的面部特征点，具有高精度。更详细地说，我们的自底向上的架构映射到高维空间中的所有人脸的特征点表示。通过对同一人脸的特征进行聚类，实现了多人人脸特征点的同步对齐，实验结果表明，该方法在多人脸特征点对齐任务中具有较高的性能，同时该模型的速度也非常快。此外，我们提出了一个新的多人脸数据集，比较自底向上的人脸对齐方法和自顶向下的方法的速度和精度。我们的数据集可在https://github.com/AISAResearch/FoxNet上公开获取
2019-05-15 cs.CV
Joint Face Alignment and 3D Face Reconstruction with Application to Face Recognition
Sichuan University（四川大学）；Michigan State University（密歇根州立大学）
人脸对齐和3D人脸重建传统上是作为单独的任务来完成的。通过探索2D地标和3D形状之间的强相关性，相比之下，我们提出了一个联合人脸对齐和3D人脸重建方法，同时解决这两个问题的任意姿态和表情的2D人脸图像。该方法基于3D人脸的求和模型和2D和3D形状空间中的级联回归，迭代地和交替地应用两个级联回归器，一个用于更新2D地标，另一个用于3D形状。3D形状和标志通过3D到2D映射矩阵进行关联，该映射矩阵在每次迭代中更新以细化2D标志的位置和可见性。与现有的方法不同，该方法可以完全自动生成姿态和表情归一化（PEN）和表达的3D人脸，并定位可见和不可见的2D地标。基于PEN 3D人脸，我们设计了一种方法，以提高人脸识别的准确率跨姿态和表情。线性和非线性实现所提出的方法，本文提出和评估。实验结果表明，该方法在人脸对齐和三维人脸重建方面均达到了最高的精度，重建出的PEN三维人脸有利于人脸识别。
2018-12-22 cs.CV
Face Frontalization Based on Robustly Fitting a Deformable Shape Model to 3D Landmarks
Inria Grenoble（法国国家信息与自动化研究所格勒诺布尔分部）；Université Grenoble Alpes（格勒诺布尔阿尔卑斯大学）
人脸正面化包括从任意视角合成正面视角的人脸。本文的主要贡献是一个强大的人脸对齐方法，使像素到像素的翘曲。该方法同时估计两个3D点集之间的刚性变换（缩放、旋转和平移）和非刚性变形：从任意观看的面部提取的一组3D地标，以及由正视的可变形面部模型参数化的一组3D地标。所提出的方法的一个重要优点是它能够处理噪声（小扰动）和离群值（大误差）。我们建议用广义学生t-概率分布函数来模拟内点和离群点，这是一种对数据中的非高斯误差免疫的重尾分布。我们详细描述了相关的期望最大化（EM）算法，交替之间的估计（i）的刚性参数，（ii）的变形参数，和（iii）的学生-t分布参数。我们还建议使用零均值归一化互相关，正面化的脸和相应的地面实况正面观看的脸，正面化的性能进行评估。为此，我们使用了一个数据集，其中包含对个人资料查看和正视的脸。该评价基于直接的图像间比较，与基于分析正面化对人脸识别的影响的间接评价形成对比。
2021-03-10 cs.CV
Face Trees for Expression Recognition
Queen’s University（女王大学）
我们提出了一个端到端的面部表情识别架构。我们的模型学习面部标志的最佳树拓扑，其遍历生成一个序列，我们从中获得嵌入来喂养顺序学习器。所提出的架构包括两个主要的流，一个集中在地标位置学习的脸的结构，而另一个集中在周围的地标补丁学习纹理信息。每个流之后是注意力机制，并且输出被馈送到双流融合组件以执行最终分类。我们对两个大规模的公开可用的面部表情数据集，AffectNet和FER2013进行了广泛的实验，以评估我们的方法的有效性。我们的方法优于该领域的其他解决方案，并在这些数据集上设置了新的最先进的表情识别率。
2021-12-05 cs.CV cs.LG
A Multi-Task Deep Learning Framework for Pose-Invariant Face Recognition and Facial Landmark Localization
该研究提出一种多任务深度学习框架，结合ResNet50与带空间注意力的EfficientNetV2B0分支，改造CPLFW数据集后验证，实现姿态不变人脸识别与面部关键点定位，获81.58%识别准确率及96.38的关键点定位均方误差。
2026-10-14 cs.CV
Facial Landmark Machines: A Backbone-Branches Architecture with Progressive Representation Learning
Sun Yat-sen University（中山大学）；The University of Hong Kong（香港大学）
人脸标志点定位在人脸识别和分析中起着至关重要的作用。在本文中，我们提出了一种新的级联骨干分支完全卷积神经网络~（BB-FCN）的快速，准确地定位在无约束和混乱的设置面部标志。我们提出的BB-FCN直接从原始图像生成面部标志响应图，无需任何预处理。BB-FCN遵循从粗到细的级联管道，该管道由用于粗略检测所有面部地标的位置的骨干网络和用于进一步细化其位置的每种类型的检测到的地标的分支网络组成。此外，为了方便在无约束设置下的面部标志定位，我们提出了一个大规模的基准命名为SYSU 16 K，其中包含16000张面孔的姿态，表情，照明和分辨率的变化很大。广泛的实验评估表明，我们提出的BB-FCN可以显着优于国家的最先进的约束下（即，仅在检测到的面部区域内）和不受约束的设置。我们进一步证实，我们提出的网络定位的高质量面部标志也可以提高面部检测的精度和召回率。
2018-12-10 cs.CV
POSTER++: A simpler and stronger facial expression recognition network
Hangzhou Dianzi University（杭州电子科技大学）
人脸表情识别在人机交互等实际应用中扮演着重要的角色。POSTER通过双流金字塔交叉融合设计，有效地将面部标志和图像特征相结合，在FER中实现了最先进的（SOTA）性能。然而，POSTER的结构无疑是复杂的。它会导致昂贵的计算成本。为了减轻POSTER的计算压力，本文提出了POSTER++。它在三个方向上改进了POSTER：交叉融合、双流和多尺度特征提取。在交叉融合中，我们使用基于窗口的交叉注意力机制代替普通的交叉注意力机制。在双流设计中，我们删除了图像到地标的分支。对于多尺度特征提取，POSTER++将图像与地标的多尺度特征相结合，以取代POSTER的金字塔设计。在几个标准数据集上的大量实验表明，我们的POSTER++以最小的计算成本实现了SOTA FER性能。例如，POSTER++在RAF-DB上达到92.21%，在AffectNet（7 cls）上达到67.49%，在AffectNet（8 cls）上达到63.77%，仅使用8.4G浮点运算（FLOPs）和43.7M参数（Param）。这证明了我们改进的有效性。
2023-02-12 cs.CV
Face frontalization for Alignment and Recognition
Imperial College London（帝国理工学院）；University of Twente（特文特大学）
最近，它被证明可以在人脸地标定位和姿态不变的人脸识别取得优异的成绩。这些突破归功于社区在许多不同姿势下手动注释面部图像和收集3D面部数据的努力。在本文中，我们提出了一种新的方法，联合人脸地标定位和正面人脸重建（姿态校正），只使用一小部分正面图像。通过观察，正面的面部图像是一个最小的排名从所有不同的姿势，我们制定了一个适当的模型，能够共同恢复面部地标，以及frontalized版本的脸。为此，解决了一个合适的优化问题，涉及核范数和矩阵$\ell_1$范数的最小化。通过在$6$人脸图像数据库上进行实验，对所提出的方法在正面人脸重建（姿态校正）、人脸标志点定位和姿态不变人脸识别与验证方面进行了评估。实验结果证明了该方法的有效性。
2015-02-03 cs.CV
Fast Landmark Localization with 3D Component Reconstruction and CNN for Cross-Pose Recognition
National Taiwan University of Science and Technology（台湾科技大学）
提出了两种用于交叉姿态人脸识别的方法，一种是基于面部部件的3D重建，另一种是基于深度卷积神经网络（CNN）。与大多数考虑整体面部的3D方法不同，所提出的方法考虑3D面部组件。它将2D图库面分割为元件，为每个元件重建3D曲面，并通过元件特征识别探测面。分割基于分层算法定位的地标，该算法结合了用于人脸检测的Faster R-CNN和用于地标定位的Reduced Tree Structured Model。基于CNN的方法的核心部分是修改的VGG网络。我们研究了训练集上不同设置的性能，包括来自3D重建的合成数据，来自野外数据库的真实数据，以及两种类型的数据组合。我们调查的网络时，它被用作分类器或设计为一个特征提取器的性能。这两种识别方法和快速地标定位进行了评估，在广泛的实验，并比较国家的最先进的方法，以证明其有效性。
2017-08-31 cs.CV
Automatic cephalometric landmarks detection on frontal faces: an approach based on supervised learning techniques
University of Brasilia（巴西利亚大学）；University of Campinas（坎皮纳斯大学）；University of São Paulo（圣保罗大学）；University of Granada（格拉纳达大学）；Department of Federal Police（联邦警察局）
人脸标志点在人脸识别、颅面识别、年龄和性别估计等领域有着广泛的应用。在法医领域，重点是分析一组特定的面部标志，定义为头影测量标志。以前的工作表明，这些解剖参考的描述性充分的间接应用（照片人体测量描述）增加了这些点的标记精度，有助于这些分析的可靠性更高。然而，其中大多数是手工进行的，所有这些都是专家审查员固有的主观性。从这个意义上说，这项工作的目的是开发和验证的自动技术，以检测从数字图像的正面面孔在法医领域的头影测量标志。所提出的方法在监督学习过程中使用计算机视觉和图像处理技术的组合。所提出的方法获得了类似的精度，一组人类手动头影测量参考标记和结果是更准确的对其他国家的最先进的面部标志检测框架。它实现了0.014的归一化平均距离（像素）误差，类似于平均专家间离散度（0.009），明显优于其他自动方法（0.026和0.101）。
2019-04-24 cs.CV
Face Pyramid Vision Transformer
Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）；Information Technology University（信息科技大学）；Electronics and Telecommunications Research Institute（电子与电信研究所）
FPVT通过结合CNN和ViT的优势，提出了一种高效的人脸多尺度表示学习方法，实现优异的识别性能。
2026-02-23 cs.CV
MOS: A Low Latency and Lightweight Framework for Face Detection, Landmark Localization, and Head Pose Estimation
UBTech Robotics Corp Ltd（优必选机器人股份有限公司）；Shanghaitech University（上海科技大学）；Institute for Infocomm Research（信息通信研究院）
随着服务机器人和监控摄像头的出现，野外动态人脸识别（DFR）近年来备受关注。人脸检测和头部姿态估计是DFR的两个重要步骤。通常，在面部检测之后估计姿势。然而，这样的顺序计算导致更高的延迟。在本文中，我们提出了一个低延迟和轻量级的网络，同时人脸检测，地标定位和头部姿态估计。受观察到的启发，它是更具有挑战性的面部地标定位与大角度的脸，提出了一个姿势损失来约束学习。此外，我们还提出了一个不确定的多任务损失自动学习的权重。另一个挑战是机器人通常使用低计算单元，如基于ARM的计算核心，我们通常需要使用轻量级网络而不是重型网络，这导致性能下降，特别是对于小而硬的面孔。在本文中，我们提出了在线反馈采样来增加不同尺度的训练样本，这增加了训练数据的多样性自动。通过在常用的WIDER FACE、AFLW和AFLW2000数据集上的验证，结果表明该方法在较低的计算资源下达到了最佳性能。代码和数据将在https://github.com/lyp-deeplearning/MOS-Multi-Task-Face-Detect上提供。
2021-11-01 cs.AI cs.CV
Grand Challenge of 106-Point Facial Landmark Localization
JD AI（京东人工智能）；Institute of Automation, Chinese Academic of Sciences（中国科学院自动化研究所）；Baidu Inc.（百度公司）；University of Science and Technology of China（中国科学技术大学）；Vision and Image Center of Meituan（美团视觉与图像中心）
人脸标志定位在人脸识别、人脸姿态估计、人脸图像合成等众多人脸相关应用中是非常关键的一步。300-W、300-VW和Menpo挑战）的目标是预测68点界标，其不能描绘面部部件的结构。为了克服这个问题，我们构建了一个具有挑战性的数据集，命名为JD地标。每个图像都用106点标志手动注释。该数据集涵盖了姿势和表情的大量变化，这给预测准确的地标带来了很多困难。我们在此数据集上举办了一场106点面部地标定位竞赛1，并与IEEE国际多媒体会议和博览会（ICME）2019联合举办。本次比赛的目的是发现有效和强大的面部标志定位方法。
2019-07-24 cs.CV
SimFLE: Simple Facial Landmark Encoding for Self-Supervised Facial Expression Recognition in the Wild
Dongguk University（东国大学）
野外面部表情识别（FER-W）的关键问题之一是，由于面部图像固有的复杂性和模糊性，策划大规模标记的面部图像是具有挑战性的。因此，在本文中，我们提出了一种自监督的简单面部标志编码（SimFLE）方法，可以学习有效的面部标志编码，这是提高FER-W性能的重要特征，而无需昂贵的标签。具体来说，我们为此目的引入新的FaceMAE模块。FaceMAE通过精心设计的语义掩蔽来重建掩蔽的面部图像。与以往的随机掩蔽不同，语义掩蔽是基于在主干中处理的信道信息进行的，因此可以探索信道的丰富语义。此外，语义掩蔽过程是完全可训练的，使FaceMAE能够引导骨干学习细粒度面部标志的空间细节和上下文属性。在多个FER-W基准测试上的实验结果表明，与监督基线和其他自监督方法相比，该方法在人脸标志点定位方面具有明显的优势，并且性能有明显的提高。
2023-03-14 cs.CV
Coarse-to-fine Face Alignment with Multi-Scale Local Patch Regression
Megvii Inc.（旷视科技有限公司）
人脸标志点定位在人脸识别和分析应用中具有重要的作用。在本文中，我们简要介绍了一个由粗到细的流水线与神经网络和序列回归。首先，将全局卷积网络应用于整体面部图像以给出初始地标预测。然后裁剪多尺度局部图像块的金字塔，以馈送到每个地标的新网络，以改进预测。由于细化网络输出比输入更准确的位置估计，因此可以重复这种过程若干次，直到估计收敛。我们在300-W数据集上评估了我们的系统[11]，它的性能优于最近的最新技术。
2015-11-16 cs.CV
A Comprehensive Performance Evaluation of Deformable Face Tracking "In-the-Wild"
Imperial College London（帝国理工学院）；Seeing Machines Ltd.（Seeing Machines 有限公司）
最近，诸如面部检测、面部地标定位以及面部识别和验证等技术已经足够成熟，可以为在任意条件下（称为“野外”）捕获的图像提供有效和高效的解决方案。这部分归因于已经为人脸检测、地标定位和识别/验证开发了全面的“野外”基准。一个非常重要的技术，还没有得到彻底的评估是可变形的人脸跟踪“在野外”。到目前为止，性能主要是通过在短视频上视觉评估可变形人脸跟踪技术的结果来定性评估的。在本文中，我们进行了第一次，尽我们所知，彻底评估国家的最先进的可变形人脸跟踪管道使用最近推出的300 VW基准。我们评估了许多不同的体系结构，主要集中在在线可变形人脸跟踪的任务。特别是，我们比较了以下一般策略：（a）通用人脸检测加上通用面部地标定位，（b）通用模型免费跟踪加上通用面部地标定位，以及（c）混合方法使用国家的最先进的人脸检测，模型免费跟踪和面部地标定位技术。我们的评估揭示了未来的途径，进一步研究的主题。
2017-02-28 cs.AI cs.CV
RePFormer: Refinement Pyramid Transformer for Robust Facial Landmark Detection
Inception Institute of Artificial Intelligence（起始人工智能研究院）；Terminus Group（特斯联科技集团）；The Chinese University of Hong Kong（香港中文大学）；The Hong Kong University of Science and Technology（香港科技大学）；Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院）
本文提出了一种改进的金字塔Transformer（RePFormer）的鲁棒性人脸标志检测。大多数面部界标检测器专注于学习代表性的图像特征。然而，由于忽略了地标的内部结构以及地标与上下文之间的关系，这些基于CNN的特征表示不足以处理复杂的现实世界场景。在这项工作中，我们制定了面部地标检测任务，沿着金字塔记忆细化地标查询。具体而言，金字塔Transformer头（PTH）被引入到建立地标之间的同源关系和地标和跨尺度上下文之间的异源关系。此外，一个动态地标细化（DLR）模块的设计，分解的地标回归到一个端到端的细化过程中，动态聚合查询转换为残差坐标预测。在四个人脸标志点检测基准及其各个子集上的大量实验结果表明，我们的框架具有优越的性能和高鲁棒性。
2022-07-08 cs.CV
Facial Landmarks Localization using Cascaded Neural Networks
Bar-Ilan University（巴伊兰大学）；Roma Tre University（罗马第三大学）
面部标志的准确定位是面部分析任务的核心，例如面部识别和面部表情分析等。在这项工作中，我们提出了一种基于深度学习架构的新型定位方法，该架构利用具有卷积神经网络单元的级联子网络。第一子网络的级联单元估计地标位置的基于热图的编码，而第二子网络的级联单元接收对应热图估计单元的输出作为输入，并且通过回归来细化它们。实验结果表明，该方案与当代最先进的方案相比，尤其是当应用于描绘具有挑战性的定位条件的图像时。
2021-07-19 cs.CV
Graph-based Generative Face Anonymisation with Pose Preservation
University of Pisa（比萨大学）；University of Trento（特伦托大学）；Fondazione Bruno Kessler（布鲁诺·凯塞勒基金会）；ETH Zürich（苏黎世联邦理工学院）
我们提出了AnonyGAN，这是一种基于GAN的人脸匿名化解决方案，它将与源身份对应的视觉信息替换为作为任何单个图像提供的条件身份。目标是保持源面的几何属性，即，面部姿态和表情，并促进更自然的面部生成，我们提出利用二分图通过深度模型来显式地建模源身份的面部标志和条件身份的面部标志之间的关系。我们进一步提出了一个地标注意力模型来放松面部地标的手动选择，允许网络对地标进行加权，以获得最佳的视觉自然度和姿势保持。最后，为了促进外观学习，我们提出了一种混合训练策略，以解决缺乏直接像素级监督所带来的挑战。我们在两个公共数据集CelebA和LFW上评估了我们的方法及其变体，包括视觉自然度，面部姿态保持及其对面部检测和重新识别的影响。我们证明了AnonyGAN在视觉自然度，人脸检测和姿态保持方面显着优于最先进的方法。
2022-03-24 cs.CV
Backdoor Attacks on Deep Learning Face Detection
Thales Cyber \& Digital, Inria/Univ. de Rennes La Ciotat \& Rennes, France；Inria/CNRS/IRISA/Univ. de Rennes Rennes, France
本文研究无约束环境下人脸检测的安全问题，提出Face Generation Attacks并首次演示可对坐标回归任务植后门的Landmark Shift Attack，同时给出漏洞缓解方案。
2025-08-01 cs.AI cs.CR cs.CV
Part-based Face Recognition with Vision Transformers
Queen Mary University of London（伦敦玛丽女王大学）
使用CNN和基于边缘的损失的整体方法主导了人脸识别的研究。在这项工作中，我们从两个方面出发：（a）我们采用视觉Transformer作为一种架构，用于训练非常强大的人脸识别基线，简称为fViT，它已经超过了大多数最先进的人脸识别方法。(b)其次，我们利用Transformer的固有属性来处理从不规则网格中提取的信息（视觉令牌），以设计一个用于人脸识别的管道，这让人想起基于部分的人脸识别方法。我们的管道称为fViT部分，它只是包括一个轻量级网络来预测面部地标的坐标，然后是视觉Transformer对从预测的地标中提取的补丁进行操作，并且它是端到端训练的，没有地标监督。通过学习提取有区别的斑块，我们基于零件的Transformer进一步提高了视觉Transformer基线的准确性，在多个人脸识别基准测试中达到了最先进的准确性。
2022-11-30 cs.AI cs.CV
GoDP: Globally optimized dual pathway system for facial landmark localization in-the-wild
University of Houston（休斯顿大学）
人脸特征点定位是姿态不变人脸识别的一个基本模块。最常用的人脸标志点检测方法是级联回归，它由两个步骤组成：特征提取和人脸形状回归。最近的方法使用深度卷积网络来提取每个步骤的鲁棒特征，而整个系统可以被视为深度级联回归架构。在这项工作中，不是采用深度回归网络，而是提出了一种全局优化的双路径（GoDP）深度架构，通过解决级联像素标记问题来识别目标像素，而无需诉诸高级推理模型或复杂的堆栈架构。所提出的端到端系统依赖于距离感知的softmax函数和双通道提案细化架构。结果表明，它优于国家的最先进的级联回归为基础的方法在多个野外人脸对齐数据库。该模型在AFLW数据库上实现了1.84的归一化平均误差（NME），比3DDFA高61.8%。人脸识别实验表明，GoDP，加上DPM-headhunter，能够提高44.2%的rank-1识别率相比，Dlib工具箱在一个具有挑战性的数据库。
2017-12-19 cs.CV
Synthesizing Normalized Faces from Facial Identity Features
Google, Inc.（谷歌公司）；University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）；MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）
我们提出了一种方法，用于合成一个人的脸的正面，中性表情图像给定的输入面部照片。这是通过学习从面部识别网络中提取的特征生成面部标志和纹理来实现的。与以前的方法不同，我们的编码特征向量在很大程度上是不变的照明，姿势和面部表情。利用这种不变性，我们训练我们的解码器网络只使用正面，中性表情的照片。由于这些照片对齐良好，我们可以将它们分解为稀疏的地标点和对齐的纹理贴图。然后，解码器独立地预测地标和纹理，并使用可微分的图像扭曲操作将它们组合起来。生成的图像可以用于许多应用，例如分析面部属性、曝光和白平衡调整或创建3D化身。
2017-10-17 cs.CV stat.ML
PLGSA-Transformer: Periocular Landmark-Guided Attention with Occlusion-Adaptive Cosine Thresholding for Cross-Modal Masked and Unmasked Face Recognition
Faculty of Engineering and Computer Science, Qaiwan International University（工程与计算机科学学院，卡伊万国际大学）；Department of Information and Communication Technology Center (ICTC)-System Information, Ministry of Higher Education and Scientific Research（信息与通信技术中心（ICTC）-系统信息，高等教育与科学研究部）
针对传统人脸识别系统在面部遮挡时的局限，提出PLGSA-Transformer框架。利用眼周地标引导注意力、混合CNN-Transformer分支建模及遮挡自适应余弦阈值，提升跨模态蒙面人脸识别性能。
2026-07-15 cs.AI cs.CV
Locating Cephalometric X-Ray Landmarks with Foveated Pyramid Attention
Department of Computing Science, University of Alberta（阿尔伯塔大学计算科学系）
CNN最初受到人类视觉的启发，在一个关键方面有所不同：它们均匀采样，而不是在焦点上具有最高密度。对于非常大的图像，这使得训练站不住脚，因为激活图所需的内存和计算与图像的边长成二次方。我们提出了一种基于图像金字塔的方法，该方法提取输入图像的狭窄的一瞥，并迭代地细化它们以完成回归任务。为了帮助高精度回归，我们引入了一种新的中间表示，我们称之为“空间化特征”。我们的方法与边长成比例，所以它适用于非常大的图像。我们将我们的方法应用于X射线头影测量标志点检测，并得到了最先进的结果。
2020-08-10 cs.CV
Uncertainty-aware U-Net for Medical Landmark Detection
Fudan University（复旦大学）；Shanghai Key Laboratory of Intelligent Information Processing（上海市智能信息处理重点实验室）；School of Computer Science, Fudan University（复旦大学计算机科学学院）
基于热图的方法在解剖标志检测中起着重要作用。然而，目前大多数基于热图的方法假设所有地标的分布是相同的，并且每个地标的分布是各向同性的，这可能与现实不符。例如，颌上的界标更可能沿着边缘定位，而不太可能位于颌的内部或外部。手动注释往往遵循类似的规则，导致注释的地标的各向异性分布，这表示注释中的不确定性。为了估计不确定性，我们提出了一个名为金字塔协方差预测器的模块来预测目标高斯分布的协方差矩阵，该协方差矩阵确定地标的分布并表示地标标注的不确定性。具体而言，金字塔协方差预测器利用由骨干U-Net的编码器提取的金字塔特征，并预测地标位置分布的协方差矩阵的Cholesky分解。实验结果表明，提出的金字塔协方差预测器可以准确地预测分布，提高解剖标志检测的性能。
2023-03-18 cs.CV
Cephalometric Landmark Detection by AttentiveFeature Pyramid Fusion and Regression-Voting
The University of Hong Kong（香港大学）；Modontics (Hong Kong) Limited（Modontics（香港）有限公司）
头影测量中解剖标志点的标记是头影测量分析中的关键操作。自动和准确地定位这些地标是一个具有挑战性的问题，因为不同的地标需要不同级别的分辨率和语义。基于这一观察，我们提出了一种新的关注特征金字塔融合模块（AFPF），以显式地形成高分辨率和语义增强的融合特征，从而实现比现有的基于深度学习的方法更高的准确性。我们还结合热图和偏移图来执行逐像素回归投票，以提高检测精度。通过结合AFPF和回归投票，我们开发了一个端到端的深度学习框架，与最先进的方法相比，所有评估指标的检测准确率提高了7%~11%。我们提出了消融研究，以更深入地了解我们的方法的不同组成部分，并证明其泛化能力和稳定性，从不同的设备看不见的数据。
2019-08-23 cs.CV
LUVLi Face Alignment: Estimating Landmarks' Location, Uncertainty, and Visibility Likelihood
University of Utah（犹他大学）；Mitsubishi Electric Research Labs (MERL)（三菱电机研究实验室（MERL））；University of Manchester（曼彻斯特大学）；Michigan State University（密歇根州立大学）；New York University（纽约大学）
现代面部对齐方法在预测面部地标的位置方面已经变得相当准确，但是它们通常不估计其预测位置的不确定性，也不预测地标是否可见。在本文中，我们提出了一个新的框架，共同预测地标的位置，这些预测的位置相关的不确定性，和地标vibrium。我们将这些建模为混合随机变量，并使用我们提出的位置，不确定性和可见性可能性（LUVLi）损失训练的深度网络进行估计。此外，我们还发布了一个全新的大型人脸对齐数据集的标签，该数据集包含超过19，000张全方位头部姿势的人脸图像。每个面部都手动标记有68个地标的地面真实位置，以及每个地标是否未被遮挡，自遮挡（由于极端的头部姿势）或外部遮挡的附加信息。我们的联合估计不仅可以准确估计预测地标位置的不确定性，而且还可以在多个标准人脸对齐数据集上对地标位置本身进行最先进的估计。我们的方法对预测地标位置的不确定性的估计可用于自动识别人脸对齐失败的输入图像，这对下游任务至关重要。
2020-04-06 cs.CV cs.LG eess.IV
How far are we from solving the 2D & 3D Face Alignment problem? (and a dataset of 230,000 3D facial landmarks)
The University of Nottingham（诺丁汉大学）
本文研究了一个非常深的神经网络在现有的2D和3D人脸对齐数据集上达到接近饱和性能的距离。为此，我们做出了以下5个贡献：（a）我们首次通过将最先进的地标定位架构与最先进的残留块相结合来构建非常强大的基线，在非常大但综合扩展的2D面部地标数据集上对其进行训练，并最终在所有其他2D面部地标数据集上对其进行评估。(b)我们创建了一个由2D地标网络引导的网络，该网络将2D地标注释转换为3D，并统一了所有现有的数据集，从而创建了LS 3D-W，这是迄今为止最大和最具挑战性的3D面部地标数据集~ 230，000张图像。(c)在此之后，我们训练了一个用于3D人脸对齐的神经网络，并在新引入的LS 3D-W上对其进行了评估。(d)我们进一步研究了影响人脸对齐性能的所有“传统”因素的影响，如大姿态，初始化和分辨率，并引入了一个“新”因素，即网络的大小。(e)我们表明，2D和3D人脸对齐网络实现了显着的准确性，这可能是接近饱和所使用的数据集的性能。训练和测试代码以及数据集可以从https://www.adrianbulat.com/face-alignment/下载
2017-09-07 cs.CV cs.LG
LandmarkGAN: Synthesizing Faces from Landmarks
University of Chinese Academy of Sciences（中国科学院大学）；University at Buffalo, State University of New York（纽约州立大学布法罗分校）
人脸合成是计算机视觉中的一个重要问题，有着广泛的应用。在这项工作中，我们描述了一种新的方法，即LandmarkGAN，基于面部地标作为输入来合成人脸。面部标志是面部表情和方向的自然、直观和有效的表示，独立于目标的纹理或颜色以及背景场景。我们的方法能够将一组面部标志转换为不同主题的新面孔，同时保持相同的面部表情和方向。人脸合成和再现的实验结果证明了该方法的有效性。
2021-02-06 cs.CV
Cognitive-mapping and contextual pyramid based Digital Elevation Model Registration and its effective storage using fractal based compression
数字高程模型（DEM）是嵌入地形信息的图像。使用认知映射概念进行DEM配准，已经从使用空间到对象之间的映射并定义它们的关系以形成需要在环境或其他候选环境中或周围标记、存储和操纵的基本地标的基本思想演变而来，即，在我们的情况下，DEM。地理空间认知方法的渐进式两级封装包括地标知识和布局知识，可用于DEM配准。基于空间的方法，强调所考虑的环境的显式程度，和基于对象的方法，强调在本地环境中的对象之间的关系是两个范式的认知映射可以有条不紊地集成在这三个架构的DEM配准。最初，执行基于P模型的分割，然后进行使用上下文金字塔形成的上下文映射的地标形成。除了用于配准关键点查找的标志之外，基于欧几里得距离的变形计算已用于变换和变化检测。地标已被分类为属于平坦平原地区，在土地高度没有太大的变化;高峰，可以发现时，有逐渐增加的高度相比，平坦的地区;山谷，标志着在DEM中看到的高度逐渐下降;最后，波纹区非常浅的波峰和最低点。基于分形的压缩用于存储共配准DEM。该方法可进一步推广应用于DEM地形图和DEM与遥感影像的配准。实验结果进一步证实了该方法可以有效地进行DEM配准。
2014-05-09 cs.AI cs.CV
A Two-Step Learning Method For Detecting Landmarks on Faces From Different Domains
Universidade Federal de Minas Gerais (UFMG)（米纳斯吉拉斯联邦大学（UFMG））
人脸上的基准点的检测已经受到机器学习领域，特别是卷积网络领域的快速发展的显著青睐。然而，大多数检测器的准确性强烈依赖于大量的注释数据。在这项工作中，我们提出了一个领域自适应方法的基础上的两步学习检测基准点的人类和动物的脸。我们在由不同动物面孔（猫、狗和马）组成的三个不同数据集上评估了我们的方法。实验表明，我们的方法比现有技术的性能更好，可以使用很少的注释数据来利用地标的检测，减少对大量注释数据的需求。
2018-09-12 cs.CV cs.LG
Neonatal Face and Facial Landmark Detection from Video Recordings
Monash University（莫纳什大学）；University British Columbia（不列颠哥伦比亚大学）；Monash Newborn（莫纳什新生儿中心）；Monash Institute of Medical Engineering（莫纳什医学工程研究所）；Monash Data Future Institute（莫纳什数据未来研究所）
针对新生儿健康评估需求，本文基于YOLOv7Face结合迁移学习、数据增强等技术，提出新生儿面部及关键点检测模型，在公开数据集上取得优于现有方法的性能，助力全自动新生儿健康评估算法开发。
2023-02-08 cs.CV cs.LG eess.IV
Fine-grained Identity Preserving Landmark Synthesis for Face Reenactment
Fudan University（复旦大学）；Zhejiang University（浙江大学）；Tencent（腾讯）
最近的人脸重建工作受到粗糙参考地标的限制，导致身份保持性能不令人满意，由于操纵的地标和从真实的人采样的地标之间的分布差距。为了解决这个问题，我们提出了一个细粒度的身份保持地标引导的人脸重现方法。所提出的方法有两个新颖之处。首先，一个地标合成网络，旨在生成更细粒度的地标面与更多的细节。该网络细化操作的标志，并产生一个平滑的，逐渐变化的人脸标志序列具有良好的身份保持能力。其次，设计了几种新颖的损失函数，包括合成人脸的身份保持损失、前景/背景掩模损失以及边界损失，旨在合成清晰锐利的高质量人脸。实验在我们自己收集的BeautySelfie和公共VoxCeleb 1数据集上进行。所提出的定性和定量的结果表明，我们的方法可以重现细粒度的更高质量的脸与良好的ID保留外观细节，更少的文物和更清晰的边界比国家的最先进的作品。代码将被发布用于复制。
2021-10-12 cs.CV
Towards Multi-domain Face Landmark Detection with Synthetic Data from Diffusion model
School of Electrical Engineering, Korea University（高丽大学电气工程学院）
针对卡通、漫画等域标注数据稀缺问题，提出两阶段扩散模型训练流程生成跨域对齐的关键点-人脸合成数据，并据此微调检测器，提升多域人脸关键点检测性能。
2024-01-24 cs.CV
3D face reconstruction with dense landmarks
Microsoft（微软）
地标通常在人脸分析中起着关键作用，但身份或表达的许多方面不能单独由稀疏地标表示。因此，为了更准确地重建面部，地标通常与诸如深度图像或诸如可微分渲染的技术的附加信号相结合。我们能用更多的地标来保持简单吗？作为回答，我们提出了第一种方法，它可以准确预测10倍于平常的地标，覆盖整个头部，包括眼睛和牙齿。这是使用合成训练数据来完成的，这保证了完美的地标注释。通过将变形模型拟合到这些密集的地标，我们在野外实现了单目3D人脸重建的最新结果。我们表明，密集的地标是一个理想的信号，通过展示准确和富有表现力的单目和多视图场景下的面部表现捕捉跨帧集成人脸形状信息。这种方法也非常高效：我们可以预测密集的地标，并在单个CPU线程上以超过150 FPS的速度拟合我们的3D人脸模型。请访问我们的网站：https://microsoft.github.io/DenseLandmarks/。
2022-07-20 cs.CV
Landmark Breaker: Obstructing DeepFake By Disturbing Landmark Extraction
University of Chinese Academy of Sciences（中国科学院大学）；University at Buffalo, State University of New York（纽约州立大学布法罗分校）
深度神经网络（DNN）的最新发展显着提高了人工智能合成人脸的真实性，最显着的例子是DeepFakes。DeepFake技术可以从另一个主体的面部合成目标主体的面部，同时保留相同的面部属性。随着社交媒体门户网站（Facebook，Instagram等）的迅速增加，这些逼真的假面孔通过互联网迅速传播，对社会造成了广泛的负面影响。在本文中，我们描述了Landmark Breaker，这是第一个专门用于破坏面部标志提取的方法，并将其应用于阻碍DeepFake视频的生成。我们的动机是，破坏面部标志提取会影响输入面部的对齐，从而降低DeepFake质量。我们的方法是使用对抗扰动实现的。与仅在DeepFake生成后才起作用的检测方法相比，Landmark Breaker提前一步阻止DeepFake生成。实验进行了三个国家的最先进的面部标志提取器使用最近的Celeb-DF数据集。
2021-02-01 cs.CV
MaskFace: multi-task face and landmark detector
Harman（哈曼）
目前，在人脸分析领域，用于人脸检测和地标定位的单任务方法占主导地位。在本文中，我们提请注意多任务模型同时解决这两个任务。我们提出了一个高度准确的人脸和地标检测模型。该方法称为MaskFace，通过添加关键点预测头来扩展先前的人脸检测方法。新的关键点头采用了Mask R-CNN的思想，通过RoIAlign层提取面部特征。关键点头部在图像中人脸较少的情况下增加了较小的计算开销，同时显着提高了精度。我们评估MaskFace在AFW，PASCAL人脸，FDDB，WIDER FACE数据集上的人脸检测任务和在AFLW，300 W数据集上的地标定位任务上的性能。对于这两个任务，MaskFace都取得了最先进的结果，优于许多单任务和多任务模型。
2020-05-19 cs.CV
Generating Talking Face Landmarks from Speech
University of Rochester（罗切斯特大学）
已经证明，在嘈杂的条件下和对于听力受损的人群，相应的说话面部的存在可以显著提高语音清晰度。在本文中，我们提出了一个系统，可以产生一个说话的脸的标志点，从一个声学语音在实时的。该系统使用长短期记忆（LSTM）网络，并在27个不同说话者的正面视频上进行训练，并自动提取面部标志。经过训练，它可以从看不见的说话者和话语的声学语音中产生说话的面部标志。培训阶段包括三个关键步骤。我们首先变换第一个视频帧的地标以将两个视点固定到两个预定义的位置，并对所有后续视频帧应用相同的变换。然后，我们通过将地标转换为整个训练数据集的平均人脸形状来删除身份信息。最后，我们训练一个LSTM网络，该网络将log-mel谱图的一阶和二阶时间差作为输入，以预测每帧中的人脸标志。我们评估我们的系统使用的均方误差（MSE）损失的预测和地面实况地标之间的嘴唇的地标，以及他们的第一和第二阶的时间差。我们通过进行主观测试来进一步评估我们的系统，在主观测试中，受试者试图区分说话面部地标的真实和虚假视频。这两项试验都显示出有希望的结果。
2018-04-23 cs.CV
Face Detection, Bounding Box Aggregation and Pose Estimation for Robust Facial Landmark Localisation in the Wild
University of Surrey（萨里大学）；Jiangnan University（江南大学）
我们提出了一个框架，强大的人脸检测和地标定位的脸在野外，这已被评估为“第二届面部地标定位比赛”的一部分。该框架有四个阶段：人脸检测，限界框聚合，姿态估计和地标定位。为了实现高检测率，我们使用了两个公开的基于CNN的人脸检测器和两个专有检测器。我们聚合每个输入图像的检测到的人脸边界框，以减少误报，提高人脸检测的准确性。级联形状回归，训练使用各种姿态变化的脸，然后用于姿态估计和图像预处理。最后，我们训练最终的级联形状回归细粒度的地标定位，使用大量的训练样本有限的姿态变化。在300W和Menpo基准测试上获得的实验结果表明，我们的框架优于最先进的方法。
2017-06-01 cs.CV
Landmark Assisted CycleGAN for Cartoon Face Generation
The Chinese University of Hong Kong（香港中文大学）；Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））；YouTu Lab, Tencent（腾讯优图实验室）
在本文中，我们感兴趣的是生成一个卡通的人的脸之间的真实和卡通的不成对的训练数据。这项任务的一个主要挑战是，真实和卡通人脸的结构是在两个不同的领域，其外观彼此差异很大。在没有明确对应的情况下，难以生成捕捉人的基本面部特征的高质量卡通面部。为了解决这个问题，我们提出了地标辅助CycleGAN，它利用人脸地标来定义地标一致性损失，并指导CycleGAN中的局部训练。为了加强地标的结构一致性，我们利用条件生成器和递归。我们的方法能够生成高质量的卡通脸，甚至与艺术家绘制的卡通脸无法区分，并在很大程度上提高了最先进的水平。
2019-07-02 cs.CV
A Deep Pyramid Deformable Part Model for Face Detection
Center for Automation Research（自动化研究中心）；University of Maryland, College Park（马里兰大学帕克分校）
提出了一种基于可变形部分模型和深度金字塔特征的人脸检测算法。所提出的方法称为DP2MFD是能够检测各种大小和姿势的无约束条件下的人脸。它通过向深度卷积神经网络（CNN）添加归一化层来减少训练和测试深度特征的差距。在四个公开的无约束人脸检测数据集上的大量实验表明，我们的方法能够捕获有意义的人脸结构，并且比许多竞争性人脸检测算法表现得更好。
2015-08-18 cs.CV
FaceLift: Semi-supervised 3D Facial Landmark Localization
Flawless AI
提出半监督方法FaceLift，通过3D感知GAN和自然场景多帧视频将人工标注的2D关键点提升至3D，无需3D关键点数据集即实现更优的2D-3D定义对齐与定位性能。
2024-05-30 cs.CV
PyramidBox: A Context-assisted Single Shot Face Detector
Baidu Inc.（百度公司）
人脸检测已经研究了很多年，剩下的挑战之一是在不受控制的环境中检测小的，模糊的和部分遮挡的人脸。本文提出了一种新的上下文辅助的Single Shot人脸检测器，命名为\emph{PyramidBox}来处理困难的人脸检测问题。鉴于语境的重要性，本文从以下三个方面来提高语境信息的利用率。首先，我们设计了一种新的上下文锚，通过半监督的方法来监督高级上下文特征学习，我们称之为金字塔锚。其次，我们提出了低层特征金字塔网络，将足够的高层上下文语义特征和低层面部特征结合在一起，这也允许PyramidBox在Single Shot中预测所有尺度的面部。第三，我们引入了一个上下文敏感的结构，以增加预测网络的能力，以提高最终的输出精度。此外，我们使用数据锚点抽样的方法来增加不同尺度的训练样本，这增加了较小人脸的训练数据的多样性。通过利用上下文的价值，PyramidBox在两个常见的人脸检测基准FDDB和WIDER FACE上实现了最先进的性能。我们的代码在PaddlePaddle中提供：\href{https://github.com/PaddlePaddle/models/tree/develop/fluid/face_detection}{\url{https://github.com/PaddlePaddle/models/tree/develop/fluid/face_detection}}。
2018-08-17 cs.CV
