首页 > Web开发 > 详细

深度学习论文笔记--Recover Canonical-View Faces in the Wild with Deep Neural Network

时间:2014-06-17 15:29:43      阅读:681      评论:0      收藏:0      [点我收藏+]

 

文章来源:CVPR2014

作者:Zhenyao Zhu,Ping Luo,Xiaogang Wang,Xiaoou Tang

(香港中文大学果然牛啊,CVPR一刷一大堆)

 

主要内容:

提出了利用深度学习(还是CNN)来进行人脸图像重构正面人脸,然后利用重构的正面人脸图像来进行人脸的verification,当然能够取得更高的准确率(比没有用正脸去verification),文章提出利用DL来学习从任意脸到canonical 脸的转换,可以认为是一个回归问题(也不一定非得用DL方法来做)。

 

现有的方法有两种:1. 考虑生成3D脸模型;2. 直接在2D图像空间上进行(这篇文章采用的方法)。

 

主要步骤:

1. 正面人脸的选择依据,2.人脸正面脸重构。

 

1. 关于正面人脸的选择准则:1. 左右对称性,2. 图像的秩Rank,3,结合1和2(文章采用的方法)。

所以采用的度量公式如下:

bubuko.com,布布扣

其中Yi是人脸图像,P,Q 矩阵是参数,第一项表示对称性,第二项表示图像的秩,lamda 则表示这两个准则的tradeoff。

在文章中,作者只是采用M值最小的。(可能会有问题,或者说有改进的空间,文章中作者也说了,可以采用线性组合等来计算正面人脸)

 

2. 正面人脸重构:

正面人脸选择之后,就可以进行训练是深度学习网络了,其准则是:bubuko.com,布布扣

其中W是深度神经网络的参数,Yi是选择的正面脸。

网络的结构如下所示:

bubuko.com,布布扣

其包含3个卷积层,其中头两个采用max pooling ,最后一个采用全连接,不共享权值,具体的网络结构跟经典的没有太大的改进。

 

verification的过程:

1. 对于每一个训练图像对,重构正面脸,然后提取5个特征点Landmark,然后基于这些Landmark提取Patch。

2. 利用每个patch对来训练网络,多个特征最后被级联在一起形成最后的特征。

bubuko.com,布布扣

3. 使用PCA降维和利用SVM分类(二分类问题)。

实验细节:不是采用LFW中的图像来训练DL模型,而是采用其它的人脸图像库CelebFaces来进行训练,在LFW中能够取得96.45%的准确率。

 

 

最后看下他们的重构效果

bubuko.com,布布扣

 

深度学习论文笔记--Recover Canonical-View Faces in the Wild with Deep Neural Network,布布扣,bubuko.com

深度学习论文笔记--Recover Canonical-View Faces in the Wild with Deep Neural Network

原文:http://www.cnblogs.com/chenriwei/p/3792411.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!