Fine-Grained Head Pose Estimation Without Keypoints

灰太狼 2022-04-13 06:51 191阅读 0赞

头部姿态预估的算法

论文地址:https://arxiv.org/pdf/1710.00925.pdf

github源码地址：https://github.com/natanielruiz/deep-head-pose

Abstract

传统的头部姿态计算是通过从目标面部估计一些关键点，并用平均的人头模型解决2D到3D的对应问题。我们认为这种方法不好，很脆弱。因此，我们在数据集训练多损失卷积神经网络，通过联合组合姿态分类，直接从图像强度预测固有欧拉角(横摆、俯仰和横摇)，提出更好的方法。我们在通常用于使用深度进行姿态估计的数据集上测试我们的方法，并且开始用最先进的深度姿态方法缩小差距。

Introduction

有史以来有两种主要的建模方法，1.基于区分/关键点的方法 2.参数化外观模型。近年来，主要的算法变为：利用深度学习网络，直接提取二维人脸关键点。

我们的主要工作有：

1.提出一种预测欧拉角的方法，使用复合损失网络对于三个角度进行两种损失的运算：

a pose bin classification与a regression component

Method

数据库：300WLP dataset

多复合损失方法

之前作者用综合的一个标准差进行预测，但是最后的结果没有达到最好的效果。于是作者分开来运算，对于三个角度都进行预测。每个损失都是两个损失的线性组合。

我们对于回归损失的权重进行调整，并将分类的权重

发表评论

表情：
评论列表 （有 0 条评论，191人围观）

还没有评论，来说两句吧...

相关阅读