「论文解读」 PFLD: A Practical Facial Landmark Detector
论文发表时间:2019年2月28日
论文:https://arxiv.org/abs/1902.10859
作者分别来自天津大学、武汉大学、腾讯AI实验室、美国天普大学
一、一句话总结
第一句:设计了新的 loss 函数来处理了类别不均衡问题;
第二句:精度高,速度快,模型小;
二、Q&A
1.人脸特征点检测的挑战
- Local Variation
人脸表情变化很大,真实环境光照复杂,而且现实中大量存在人脸局部被遮挡的情况等; - Global Variation
人脸是3D的,位姿变化多样,另外因拍摄设备和环境影响,成像质量也有好有坏; - Data Imbalance
现有训练样本各个类别存在不平衡的问题; - Model Efficiency
在计算受限的设备比如手机终端,必须要考虑计算速度和模型文件大小问题;
三、贡献
四、结论
五、基本流程/解决方案
六、实验
(一)数据集
(二)实验结果
1. 实验
结论一:
Comments