Deep Convolutional Network Cascade for Facial Point Detection(泛读)

一.文献名字和作者

    Deep Convolutional Network Cascade for Facial Point Detection， CVPR2013

   

二.阅读时间

    2014年10月9日

三.文献的贡献点

    文章中提出了一种通过级联CNN的方式实现人脸关键点定位，同时，在每一个级联层又包含了多个CNN。每一个CNN计算不同的关键点，然后在最后一个回归层进行融合，从而获得精确的位置。

     具体的网络结构设置和考虑说明，可以参考文章中的相关部分，这篇文章在网络结构选择部分，写得非常详细，同时，这篇文章对于网络结构的级联也说明得不错，虽然级联的想法我已经看过几篇文章的描述了，但是并没有像这篇文章一样每一个级联层都包含多个网络，并且在每一个级联层的最后一个部分将所有的神经网络的结果结合起来，形成该层的最后输出。同时，由于人脸每一部分对于关键点的贡献不同，因此，不能在每一个map使用相同的卷积核。但是，人脸的特征在某个小块中是相同的，因此，相比其他所有卷积核都不相同的操作，作者使用了局部共享卷积核，也就是某个区域内的卷积核是相同的，但是不同区域的卷积核是不一样的。这种设置既有效地减少了参数的数目，同时也考虑到了局部特征的相似性和关键点在不同的位置的响应，考虑得确实很全面。

    以后写文章在描述网络结构方面的选择时，可以参考这篇文章中个的描述。

版权所有，欢迎转载，转载请注明出处，谢谢