Face Alignment at 3000 FPS 学习理解和具体实现
2015-04-14 10:47
260 查看
这篇论文主要讲:Face Alignment 问题,即给人脸确定位置68个标点 (landmark)。
而这些标点位置肯定是最能区别不同人的位置。
Face Alignment 是很重要的,是人脸验证(Face verification)的基础。
马上进入主题:
这篇算法优点:速度快,在笔记本上跑了3000 FPS,智能手机是300FPS,
同时是最先进算法(the state of the art)有更高的精确性,做为人脸验证底层实现,实时性显然重要。
这算法实现思想:用随机森林取标点周围的局部特征,双坐标下降求全局特征投影Wt.如下图
首先,把测试和训练分为t步。每一步:如上图训练 局部Φ t,再训练全局wt。再步步训练,第二步,第三步,...。得到局部{Φ t},{wt}分别作为测试图片特征提取和线性投影。
用来检测人脸的标定点。
下面分别讨论(1)局部标定点的特征Φ t,wt训练(2)再训练全局wt。
我们使用标准随机森林训练 Φ t,如下图
(b)所示是标点j用随机森林得到二进制特征,再串联成(a),组成全局特征,最后训练全局线性投影Wt.
随机森林的思想:随机是随机抽取n对像素,这n个像素就成为一个模板(template),以后一直不变。再比较每一对像素,第一个像素大于第二个就为1,第二个大于第一个就为0,再串联n对像素比较值,组成二进制向量就为随机森林特征。如图取的是到达叶子节点为1,道理一样(大于节点遍历左子节点,小于遍历右子节点).
这里要训练叶子节点:要测试500随机样本特征,最后取特征是样本最大方差最小的那个。
(2)训练wt,
使用的双坐标下降方法,使下公式最小:
λ是控制Wt长度,即让Wt尽量稀疏。
最后要训练每步:要固定局部大小r,并让r,一步一步减少。如下图:
而这些标点位置肯定是最能区别不同人的位置。
Face Alignment 是很重要的,是人脸验证(Face verification)的基础。
马上进入主题:
这篇算法优点:速度快,在笔记本上跑了3000 FPS,智能手机是300FPS,
同时是最先进算法(the state of the art)有更高的精确性,做为人脸验证底层实现,实时性显然重要。
这算法实现思想:用随机森林取标点周围的局部特征,双坐标下降求全局特征投影Wt.如下图
首先,把测试和训练分为t步。每一步:如上图训练 局部Φ t,再训练全局wt。再步步训练,第二步,第三步,...。得到局部{Φ t},{wt}分别作为测试图片特征提取和线性投影。
用来检测人脸的标定点。
下面分别讨论(1)局部标定点的特征Φ t,wt训练(2)再训练全局wt。
我们使用标准随机森林训练 Φ t,如下图
(b)所示是标点j用随机森林得到二进制特征,再串联成(a),组成全局特征,最后训练全局线性投影Wt.
随机森林的思想:随机是随机抽取n对像素,这n个像素就成为一个模板(template),以后一直不变。再比较每一对像素,第一个像素大于第二个就为1,第二个大于第一个就为0,再串联n对像素比较值,组成二进制向量就为随机森林特征。如图取的是到达叶子节点为1,道理一样(大于节点遍历左子节点,小于遍历右子节点).
这里要训练叶子节点:要测试500随机样本特征,最后取特征是样本最大方差最小的那个。
(2)训练wt,
使用的双坐标下降方法,使下公式最小:
λ是控制Wt长度,即让Wt尽量稀疏。
最后要训练每步:要固定局部大小r,并让r,一步一步减少。如下图:
相关文章推荐
- Face Alignment at 3000 FPS via Regressing Local Binary Features 论文学习
- Face alignment at 3000 FPS via Regressing Local Binary Features
- Face Alignment at 3000 FPS via Regressing Local Binary Features(CVPR2014)读后感(first pass)
- Face Alignment at 3000 FPS via Regressing Local Binary Features
- Face Alignment at 3000 FPS via Regressing Local Binary Features
- 论文阅读“Face Alignment at 3000 FPS via Regressing Local Binary Features”
- Face Alignment at 3000 FPS 阅读笔记
- Face Alignment at 3000 FPS via Regressing Local Binary Features(CVPR2014)读后感(first pass)
- Face Alignment at 3000 FPS via Regressing Local Binary Features
- Face Alignment at 3000 FPS 阅读笔记
- 人脸对齐--Face Alignment at 3000 FPS via Regressing Local Binary Features
- 【论文笔记】Face Alignment at 3000 FPS via Regressing Local Binary Features
- 人脸对齐:Face Alignment at 3000 FPS via Regressing Local Binary Features
- Face Alignment at 3000 FPS通俗易懂讲解一 随机森林的生成
- Face Alignment at 3000 FPS通俗易懂讲解二 LBP局部二进制特征(特征映射)的生成
- Face Alignment at 3000 FPS通俗易懂讲解三 全局回归与测试
- 论文《Face Alignment at 3000 FPS via Regressing Local Binary Features》笔记
- Face Alignment by 3000 FPS系列学习总结(一)
- face alignment by 3000 fps系列学习总结(二)
- face alignment by 3000 fps系列学习总结(三)