發(fā)布時(shí)間：2023-11-04 12:05

　　人臉關(guān)鍵點(diǎn)定位,又稱為人臉對(duì)齊,該任務(wù)旨在預(yù)測(cè)位于人臉中一些具有重要語(yǔ)義位置的離散點(diǎn)的坐標(biāo)。這些點(diǎn)往往位于人臉圖像發(fā)生劇烈變化的區(qū)域,如眉毛、眼睛、鼻子、嘴巴以及輪廓等。它是很多人臉?lè)治鋈蝿?wù)中的一個(gè)重要步驟,如人臉動(dòng)畫(huà)、人臉識(shí)別、人臉表情分析、3D人臉重建、年齡預(yù)測(cè)等,因此具有非常廣闊的商業(yè)價(jià)值和深遠(yuǎn)的學(xué)術(shù)價(jià)值。但是隨著該項(xiàng)技術(shù)在日常應(yīng)用中的不斷地普及,其應(yīng)用場(chǎng)景也變得更加多樣和復(fù)雜,這給該項(xiàng)技術(shù)帶來(lái)許多的挑戰(zhàn)。其中,遮擋問(wèn)題是準(zhǔn)確定位人臉關(guān)鍵點(diǎn)的主要障礙。許多現(xiàn)有的方法在正常的人臉圖像上表現(xiàn)良好。但是,如果人臉受到遮擋時(shí),其性能會(huì)嚴(yán)重下降。本文以遮擋的人臉為研究對(duì)象,深入分析歸納現(xiàn)有的方法不夠魯棒的原因,提出了兩個(gè)基于深度學(xué)習(xí)的人臉關(guān)鍵點(diǎn)定位算法。主要研究工作和創(chuàng)新點(diǎn)如下:1.提出一個(gè)多分支網(wǎng)絡(luò)結(jié)合雅可比深度回歸級(jí)聯(lián)框架。該框架旨在緩解模型訓(xùn)練過(guò)程中遮擋導(dǎo)致人臉不同部位之間誤差不均衡問(wèn)題所帶來(lái)的不利影響,提高人臉關(guān)鍵點(diǎn)定位的精度�？蚣苁紫韧ㄟ^(guò)一個(gè)采用了多分支機(jī)制的卷積神經(jīng)網(wǎng)絡(luò)緩解誤差不均衡問(wèn)題,獲取一個(gè)非�？煽康某跏嘉恢�。隨后,為了進(jìn)一步提高精度,該框架級(jí)聯(lián)了多個(gè)回歸器,這些回歸器能...

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文主要研究?jī)?nèi)容
    1.4 本文結(jié)構(gòu)安排
第2章 人臉關(guān)鍵點(diǎn)定位的相關(guān)研究
    2.1 基于級(jí)聯(lián)回歸的方法
    2.2 基于深度學(xué)習(xí)的方法
    2.3 實(shí)驗(yàn)數(shù)據(jù)和評(píng)價(jià)標(biāo)準(zhǔn)描述
        2.3.1 實(shí)驗(yàn)數(shù)據(jù)
        2.3.2 評(píng)價(jià)標(biāo)準(zhǔn)
    2.4 本章小結(jié)
第3章 基于多分支網(wǎng)絡(luò)結(jié)合雅可比深度回歸的人臉關(guān)鍵點(diǎn)定位方法
    3.1 多分支網(wǎng)絡(luò)結(jié)合雅可比深度回歸框架
        3.1.1 基于多分支卷積神經(jīng)網(wǎng)絡(luò)的形狀初始化
        3.1.2 基于級(jí)聯(lián)的形狀精化
        3.1.3 基于雅可比深度回歸的聯(lián)合優(yōu)化
    3.2 實(shí)驗(yàn)結(jié)果及分析
        3.2.1 實(shí)驗(yàn)設(shè)置
        3.2.2 多分支卷積網(wǎng)絡(luò)有效性驗(yàn)證
        3.2.3 級(jí)聯(lián)精化有效性驗(yàn)證
        3.2.4 雅可比深度回歸優(yōu)化策略有效性驗(yàn)證
        3.2.5 BCNN-JDR框架和其他方法的對(duì)比
        3.2.6 BCNN-JDR框架魯棒性驗(yàn)證
        3.2.7 實(shí)驗(yàn)結(jié)果的可視化
    3.3 本章小結(jié)
第4章 基于遮擋自適應(yīng)深度網(wǎng)絡(luò)的魯棒人臉關(guān)鍵點(diǎn)定位方法
    4.1 遮擋自適應(yīng)深度網(wǎng)絡(luò)
        4.1.1 幾何感知模塊
        4.1.2 遮擋過(guò)濾模塊
        4.1.3 低秩學(xué)習(xí)模塊
        4.1.4 三個(gè)模塊的結(jié)構(gòu)關(guān)系
    4.2 網(wǎng)絡(luò)端到端的優(yōu)化過(guò)程
    4.3 實(shí)驗(yàn)結(jié)果及分析
        4.3.1 實(shí)驗(yàn)設(shè)置
        4.3.2 在正常人臉上進(jìn)行測(cè)試
        4.3.3 在遮擋人臉上進(jìn)行測(cè)試
        4.3.4 在任意姿態(tài)人臉上進(jìn)行測(cè)試
        4.3.5 模型不同模塊有效性驗(yàn)證
        4.3.6 模型泛化能力驗(yàn)證
        4.3.7 遮擋過(guò)濾模塊的可視化
        4.3.8 實(shí)驗(yàn)結(jié)果的可視化
    4.4 本章小結(jié)
第5章 總結(jié)與展望
    5.1 本文的主要工作和創(chuàng)新點(diǎn)
    5.2 未來(lái)的工作展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間研究成果



本文編號(hào)：3860270