人脸属性与多任务
关注
分享
扫一扫
Peanut_范
计算机视觉、强化学习
展开
-
年龄识别数据
下载链接：https://pan.baidu.com/s/1mYsK-Ir8rqzfNXMwCODWEg提取码：1fka练习赛的数据，简单尝试模型效果。原创 2019-11-05 09:31:38 · 1027 阅读 · 0 评论 -
人脸表情识别
作者：北京邮电大学的邓伟洪教授首先我们来了解一下表情识别的相关背景知识以及发展近况。人脸表情是最直接、最有效的情感识别模式。它有很多人机交互方面的应用，例如疲劳驾驶检测和手机端实时表情识别。早在20世纪Ekman等专家就通过跨文化调研提出了七类基础表情，分别是生气，害怕，厌恶，开心，悲伤，惊讶以及中立。然而不断的研究发现这七类基本表情并不能完全涵盖人们在日常生活中所表露的情感。针对该问题，...翻译 2018-07-28 08:24:58 · 5036 阅读 · 0 评论 -
人脸检测与属性分析
链接：https://cloud.baidu.com/product/face/detect特别声明 ：所有图片均来自网络公开，无意冒犯，如觉不适，立即删除。实例仅关注： 欧拉角和面部遮挡1.功能介绍：检测图中的人脸，并为人脸标记出边框。检测出人脸后，可对人脸进行分析，获得眼、口、鼻轮廓等72个关键点定位准确识别多种人脸属性，如性别，年龄，表情等信息。该技术可适应大角度侧脸，遮挡，模...原创 2018-09-20 23:45:34 · 6732 阅读 · 0 评论 -
人脸属性——多任务
《Heterogeneous Face Attribute Estimation: A Deep Multi-Task Learning Approach》Hu Han, Member, IEEE, Anil K. Jain, Fellow, IEEE, Fang Wang,Shiguang Shan, Senior Member, IEEE and Xilin Chen, Fellow, ...原创 2018-10-05 09:50:12 · 3097 阅读 · 4 评论 -
头部姿态估计——adaptive gradient methods
《Head pose estimation in the wild using Convolutional Neural Networks and adaptive gradient methods》2017，Massimiliano Patacchiola, Angelo Cangelosi. adaptive gradient methods本文使用4种最新得网络结构来训练头部姿态估计...原创 2018-10-06 10:08:37 · 2310 阅读 · 1 评论 -
头部姿态估计——QuatNet
《QuatNet: Quaternion-based Head Pose Estimation with Multi-regression Loss》2018，Heng-Wei Hsu et al. QuatNet1.引言：作者提出了multi-regression loss function来使用CNNs进行头部姿态估计，输入采用RGB，并没有深度（Depth）信息。损失函数为L2 r...原创 2018-10-06 11:00:35 · 4454 阅读 · 6 评论 -
头部姿态估计——multi-loss
《Fine-Grained Head Pose EstimationWithout Keypoints》2018，Nataniel Ruiz Eunji Chong James M. Rehg. multi-loss代码链接：https://github.com/natanielruiz/deep-head-pose1.引言：本文提出了一种简洁和鲁棒的方式来确定姿态，通过训练一个mul...原创 2018-10-06 11:13:13 · 5280 阅读 · 8 评论 -
物体姿态估计——DeepIM
《DeepIM: Deep Iterative Matching for 6D Pose Estimation》2018，Yi Li et al. DeepIM1.引言：本文，作者提出了一种新的深度神经网络对物体的6D姿态（3D位置和3D方向）进行估计，命名为DeepIM。采用对图像进行直接回归物体姿态的方式，准确率是有限的，通过匹配物体的渲染图像可以进一步提高准确率。即给定初始姿态估计...原创 2018-10-06 11:36:28 · 13649 阅读 · 2 评论 -
物体姿态估计——SilhoNet
《SilhoNet: An RGB Method for 3D Object Pose Estimation and Grasp Planning》2018，Gideon Billings and Matthew Johnson-Roberson，SilhoNet1.引言：自主机器人操纵通常涉及两项任务：1）估计待操纵物体的姿态2）选择可行的抓取点在仅限于单目相机的场景时，过去的研...原创 2018-10-06 11:46:13 · 4117 阅读 · 1 评论 -
多任务——数据构建
《Hand2Face：Automatic Synthesis and Recognition of Hand Over Face Occlusions》要解决的问题：自动合成手遮脸的数据（2017） 创新点：提出了一种新颖的框架对于合成自然状态下的手遮脸数据，减少了数据收集和处理的昂贵过程。 1.前期准备工作：人工收集和整理手遮挡和无遮挡正常人脸数据，使用交互式Grabcut进行分...原创 2018-08-02 22:48:38 · 424 阅读 · 0 评论 -
多任务——损失函数
《Multi-Task Learning Using Uncertainty to Weigh Losses for Scene Geometry and Semantics》要解决的问题：多任务的损失函数（2017） 创新点：之前的损失函数是根据不同任务的权重参数计算得来，这些权重的设置是困难的，而且需要花费大量时间和精力去进行验证，在实践中多任务学习望而却步。作者提出了一种考虑hom...原创 2018-08-02 22:41:21 · 17313 阅读 · 6 评论 -
多任务——任务相关性
《Fully-adaptive Feature Sharing in Multi-Task Networks with Applications in Person Attribute Classification》2016要解决的问题：通过适当地共享相关信息来提高多项预测任务的泛化性能。 创新点：作者提出了一种设计紧凑型多任务深度学习架构的自动方法。开始采用一个薄的多层网络，并在训练过...原创 2018-08-02 22:33:13 · 2256 阅读 · 0 评论 -
头部姿态估计——CNN
《Face Alignment Assisted by Head Pose Estimation》人脸对齐的错误案例分析：头部姿态通常都是大角度的。 主旨：通过人脸头部姿态来辅助关键点的检测，保证大角度人脸对齐的正确性。 动机： 1）大多数现有的方法在大姿态变化的人脸图像上表现的不好。 2）最近的人脸对齐方法都是基于级联的方式和初始化于平均形状。 策略： 第一步，我们使用C...原创 2018-08-06 19:30:08 · 10973 阅读 · 3 评论 -
基于CNN的年龄和性别分类
《Age and Gender Classification using Convolutional Neural Networks》2015，Gil Levi and Tal Hassner，使用卷积神经网络来对年龄和性别进行预测。年龄分类：年龄问题既可以当成年龄组的分类问题，也可以当成回归问题。 传统的比较好的方法LBP+SVM。 1.网络结构： 网络包含：3个卷积层，2个...原创 2018-08-06 19:39:23 · 2893 阅读 · 1 评论 -
年龄估计——DEX
《DEX: Deep EXpectation of apparent age from a single image》ICCV2015，Rasmus Rothe et al，DEX2015年ChaLearn LAP（Look At People）的冠军之作真实年龄(Actual age：real age of an individual )：实际上就是我们正常人从出生到现在按照年份计算...原创 2018-08-06 19:51:34 · 5267 阅读 · 5 评论 -
年龄估计——Ranking-CNN
《Using Ranking-CNN for Age Estimation》CVPR2017，Shixing Chen et al，Ranking-CNN本文提出了一种考虑与年龄有关的顺序信息，把年龄估计转化为一个排序问题，具体是通过一系列的二分类来实现，最后，通过合计二分类的结果来得到年龄预测结果。 （注：考虑了年龄之间的时间顺序相关性）框架结构： 论点：年龄的多分类完全忽...原创 2018-08-06 20:03:14 · 5492 阅读 · 14 评论 -
年龄估计——Ordinal Regression with Multiple Output CNN
《Ordinal Regression with Multiple Output CNN for Age Estimation》CVPR2016，Zhenxing Niu et al将传统的年龄回归问题转化为一系列二分类的子问题。 网络结构： 经过三个卷积层后，紧接着一个全连接层，然后输出k-1个通道的二分类任务。 把k个等级的顺序回归问题同，转换成k-1个二分类的子问题，对于...原创 2018-08-06 20:12:44 · 2807 阅读 · 2 评论 -
多任务——Facial Landmark
《Facial Landmark Detection by Deep Multi-task Learning》2014要解决的问题：人脸关键点的检测 创新点：在人脸关键点检测的同时进行多个任务的学习，包括：性别，是否带眼镜，是否微笑和脸部的姿势。使用这些辅助的属性可以更好的帮助定位关键点。这种Multi-task learning的困难在于：不同的任务有不同的特点，不同的收敛速度。针对这...原创 2018-08-02 22:18:21 · 815 阅读 · 0 评论 -
多任务——网络结构
模型结构的设计：列举两个网络结构： 《An All-In-One Convolutional Neural Network for Face Analysis》 《HyperFace: A Deep Multi-task Learning Framework for Face Detection, Landmark Localization, Pose Estimation, an...原创 2018-08-02 22:23:53 · 3006 阅读 · 0 评论 -
多任务——Cross-stitch
《Cross-stitch Networks for Multi-task Learning》2016要解决的问题：多任务的网络结构没有普遍性 创新点：以往的多任务网络结构都是人为设计，从哪层分离，哪层结合，并且需要大量的实验才能验证网络结构的有效性。作者提出了一种使用多任务方式来学习ConvNets中的共享表示的原则性方法。 具体来说，提出了一个新的共享单位：“十字绣”单位。这些单元结...原创 2018-08-02 22:29:15 · 2383 阅读 · 0 评论 -
头部姿态估计
头部姿态估计：通常认为人体头部可以建模为一个无实体的刚体对象。根据这种假设，在姿势上人类的头部被限制为3个自由度，其特征分别是俯仰，坡度和偏航角在下图中体现。 人脸姿态估计，顾名思义，给定一张人脸图像，确定其姿态，姿态由什么构成呢？很简单（pitch，yaw，roll）三种角度，分别代表上下翻转，左右翻转，平面内旋转的角度。 三个参数： Yaw:摇头 左正右负 ； Pitch:点头 ...原创 2018-08-06 19:22:56 · 6615 阅读 · 3 评论