distentangling 3d pose in a dendritic cnn for unconstrained 2d face alignment

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/LEE18254290736/article/details/88751818

Abstract

热图回归常被用于关键点监测。在本文中,我们提供一种树状CNN,称作:PCD--CNN。分类网络:是一个伴随第二级与模块化的分类网络。根据贝叶斯公式,我们分解3D头部,通过估量关键点的在角度的预测,因此不同于复杂任务。

我们没有增加或者拓宽神经网络,我们使用mask-softmax损失与困难样本挖掘来1训练CNN。

INTRODUCTION

面部识别与关键点定位常常使用眼,嘴等位置。精准的面部校准提高了系统效率,我们使用了单个CNN来对于人脸的树状结构进行建模。

本文分为两条路,上面是3d-pose,下面是PCD-CNN,最后统一汇合到CNN中,进行预测。

猜你喜欢

转载自blog.csdn.net/LEE18254290736/article/details/88751818