基于单个卷积神经网络的面部多特征点定位

摘要：

深度学习在面部特征点定位领域取得了比较显著的效果.然而,由于姿态、光照、表情和遮挡等因素引起的面部图像的复杂多样性,数目较多的面部特征点定位仍然是一个具有挑战性的问题.现有的用于面部特征点定位的果度学习方法是基于级联网络或基于任务约束的深度卷积网络,其不仅复杂,且训练非常困难.为了解决这些问题,提出了一种新的基于单个卷积神经网络的面部多特征点定位方法.与级联网络不同,该网络包含了3组堆叠层,每组由两个卷积层和最大池化层组成.这种网络结构可以提取更多的全局高级特征,能更精确地表达面部特征点.大量的实验表明,所提方法在姿态、光照、表情和遮挡等变化复杂的条件下优于现有的方法.

关键词：深度学习、卷积神经网络、面部特征点定位、数据扩增、无约束条件

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

资助基金：江苏省重大研发计划社会发展项目:大数据驱动的隧道等城市快速路交通违章取证关键技术研究SBE2017741114

在线出版日期：2018-06-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：273-277,284