基于级联形状回归框架的人脸特征点对齐方法总结
来源:互联网 发布:python实例100例 编辑:程序博客网 时间:2024/06/07 00:29
最近看了一篇中科院计算机技术研究所大神张杰写的一篇博文,想把其中的知识点总结起来方便自己查阅的同时也能方便大家参考。基于级联姿态回归的方法是近几年人脸特征点对齐研究中比较有效的方法。始于2010年的一篇CVPR文章 ,由加州理工学院从事博士后研究的Piotr Dollar 首次提出级联形状回归模型 CascadePose Regression(CPR) 来预测物体的形状。
对于人脸特征点的对齐问题,可以把它看成是一个从人脸的表观到人脸形状(由人脸的特征点组成的向量)的回归过程,通过不断的迭代直到回归到最优的特征点位置上。
级联姿态回归的一般框架:
S=F(I);
S是最后输出的形状,F(·)是总回归函数,I是输入的图像,则级联回归模型可以统一为如下的框架:通过学习多个回归函数{f1,f2….fn}来逼近F(·):
S=F(I)=fn(fn-1(…f1(S0,I),I),I);
Si=fi(Si-1,I),i=1….n;
S0为初始的形状。
在级联形状回归的框架下,延伸出了一系列的人脸特征点对齐方法,比如RCPR,SDM,DRMF,LBF,DCNN等,但是万变不离其宗,他们都可以被统一到级联形状回归这样一个框架下来。下面总结这些方法是如何统一到CPR下的。
RCPR(2013 ICCV 加州理工学院 Xavier P.Burgos-Artizzu ) 直接就是针对CPR在部分遮挡情况下,性能不佳进行改进,提出同时预测人脸形状和特征点是否被遮挡的状态。
SDM 输入的是SIFT特征,回归函数是线性回归函数
DRMF 输入的是HOG特征,回归函数SVR回归函数
LBF 用随机森林模型在局部区域学习稀疏的二值化特征
DCNN 使用CNN来作为回归函数
细节可以参考张杰博士的博文http://www.thinkface.cn/thread-4488-1-1.html
- 基于级联形状回归框架的人脸特征点对齐方法总结
- 特征点对齐的方法
- 基于级联卷积网络的由粗到精的大量人脸特征点定位
- 深度学习(十五)基于级联卷积神经网络的人脸特征点定位
- 深度学习(十五)基于级联卷积神经网络的人脸特征点定位-CVPR 2013
- 人脸对齐显示形状回归算法(ESR)
- 回归框架下的人脸对齐和三维重建
- dlib人脸特征点对齐
- 图像检索:基于形状特征的算法
- 图像检索:基于形状特征的算法
- 图像检索:基于形状特征的算法
- 基于Haar特征的Adaboost级联人脸检测分类器
- 基于Haar特征的Adaboost级联人脸检测分类器
- OpenCV中基于Haar特征和级联分类器的人脸检测
- 照片美妆---基于Haar特征的Adaboost级联人脸检测分类器
- 深度学习 基于DCNN的人脸特征点定位
- 基于DCNN的人脸特征点定位
- 基于DCNN的人脸特征点定位-CVPR 2013
- LCS 问题
- Html5+Lufylegend.js游戏开发(一)引擎介绍及原理
- php多余的输出(返回值有回车键和空格)
- Spring+ActiveMQ配置
- /**一:初识Hadoop*/
- 基于级联形状回归框架的人脸特征点对齐方法总结
- MS SQLServer表数据生成Insert语句
- windows下配置redis
- arp欺骗进行流量截获-1
- glut 双缓冲动画 ---不用glutTimerFunc函数
- linux上的mysql插入中文报错问题解决
- arp欺骗进行流量截获-2
- 大学没有教过我
- 【一步步学OpenGL 9】 -《插值》