人脸与手部特征点检测（Face and Hand Landmark Detection）

人脸和手部特征点检测

1. Schedule of Face Recognition

2. 人脸识别应用模式

3. Facial Landmark Detection

4. Current

5. 挑战

干扰因素：
主动因素 + 固有因素；

推广性挑战：
海量比对 + 分布差异

6. Orientation

更快的速度：需要满足嵌入式等设备；

   更高的精度：解决小尺度、遮挡问题；

   多任务联合：实例分割 = 检测 + 分割；

   视频中检测：关键帧信息加速，提精度

7. Facial Landmark Detection

现有问题：

   ➢ 大量训练数据都是正脸，侧脸等从其他角度观看的图面较之而言非常少；

   ➢ 实际应用的中，对于一些极端情况，如遮挡（手部、眼镜）、 光  照（强光、弱光）、极端姿态（yaw、pitch、raw较大的时候）、极端面部表情等。
解决方案：

   ➢ 通过采用特征描述能力更强的backbone（如 DenseNet 、CSPDarkNet53等）；

   ➢ 增加极端情况下的训练数据、平衡各 类  情况下的训练数据的比例、控制数据数据的采样形式（非完全随机采样）。

8. LLCV: 8000

旷视研究院 LLCV 组的“8000点人脸关键点技术”；单张彩色图像或单段视频作为输入，提取出面部稳定鲁棒的 8000 个 3D 关键点。

   通过 10,000,000 张人脸数据的训练，该技术可以精细刻画全脸 3D 特征，支持全方位姿态、各种极端表情，并且能在移动端平台实时运行

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删