遮挡一致性:检测和定位被遮挡的人脸
这篇论文提出了一种基于级联回归的面部特征点检测方法,能够在面部被遮挡和大幅度侧脸的情况下进行特征点检测,并结合了监督回归方法和遮挡情况加入约束,提高了检测的准确性。
Sep, 2017
研究提出了一种基于鲁棒受限局部模型的集成,用于面部对齐,可以在存在显着遮挡和任何未知的姿势和表情的情况下实现。通过假设和测试搜索来评估 occlusion,结果表明在测试集中表现出一定的鲁棒性。
Jul, 2017
本研究提出了一种基于人脸分割和三维人脸重建的面部去遮挡模型,通过预测面部先验和遮挡掩码实现了对所有种类的面部遮挡(包括毛发等较模糊的边界)的自动去除,并为了监督训练进一步构建了一个大型遮挡数据集。实验证明,该方法有效且鲁棒。
Dec, 2021
本文提出了一个综合框架 DAG (Data, Attention, Graph),用于解决因遮挡引起的性能降级问题。通过模拟遮挡场景,引入了掩蔽关节与实例粘贴数据增强技术;通过自适应判别注意力模块 (ADAM) 有效增强目标个体的特征;通过特征引导的多跳图卷积网络 (FGMP-GCN) 充分探索身体结构的先验知识,并提高姿势估计结果。通过在三个用于遮挡人体姿势估计的基准数据集上进行了广泛的实验,我们证明了所提出的方法优于现有的方法。代码和数据将公开提供。
Dec, 2023
本研究介绍了基于 Stacked Hourglass 网络的 Occluded Stacked Hourglass 模型,利用检测到的面部窗口,输出 68 个遮挡热力图,从而可以提取脸部特征,如头部姿势以及眼睛 / 嘴巴的张合程度,以便推导驾驶员的注意力和行为模式,模型的遮挡估计和头部姿势能力达到了最新的技术水平。
Feb, 2018
本篇论文介绍了一种用于检测部分遮挡对象的语义部分的方法,该方法使用本地视觉线索的置信度进行语义部分的检测并使用简单的投票技术来处理局部线索。实验证明,该方法在存在遮挡的情况下,在语义部分检测方面性能优于其他竞争方法。
Jul, 2017
我们开发了一种方法来明确建模隐藏关节推理过程以显着增强有或无遮挡的人体姿势估计,将任务分为两个子任务:可见关键点检测和遮挡关键点推理,并提出了深度监督编码器蒸馏和骨架引导人体形状拟合来训练我们的模型,实验证明从遮挡中明确学习可以提高人体姿势估计的性能。
Jul, 2022
通过批量数据增强技术中的遮盖作为数据增强手段,在高容量模型上(例如 ResNet50)的图像分类任务中,为提高性能提供了一种简单的技术;同时,可以使用不同数量的遮挡来研究不同神经网络架构的鲁棒性。
Oct, 2019
通过使用空时图形来表示变形的人体,并引入一个细化网络,该网络在此图形上执行图形卷积以输出 3D 姿势,以确保对遮挡鲁棒性,通过使用一组二进制掩码训练此网络,并模拟某些关节在一段时间内可隐藏,并训练网络对此免疫,证明了该方法相对于从单摄像机序列推断姿势的最先进技术的有效性。
Feb, 2024