KDDMay, 2018

深度学习在野外长期人脸跟踪中的应用

PDF
TL;DR本文提出了一种基于深度学习模型的长期人脸跟踪系统，采用面部检测、面部验证和面部跟踪协同工作的方法，通过对大数据的离线和在线训练实现了在不受限制的环境下，对视频中特定人物进行精确的跟踪。结果表明，该方法在多种类型的视频上都表现出了很好的效果。
long-term face trackingdeep learning modelsvideo face trackingface detectionface verification
发现论文，激发创造
  • 学习回归和验证网络以进行长期视觉跟踪

    我们提出了一个基于深度回归和验证网络的新型长期跟踪框架，其中使用对象感知特征融合和区域提案网络设计了离线训练的回归模型，该模型可以有效生成候选框并估计它们的相似度分数，在线实时更新以适应外表上的变化。通过结合相似度和分类分数，我们的跟踪器可以准确确定目标的缺席并进行图像全局重检测以成功捕获目标。

    Sep, 2018

  • 在线目标跟踪的外观模型深度学习

    本文提出了一种基于深度学习的新方法，用于基于视觉的单目标跟踪，该方法结合了卷积神经网络和贝叶斯损失层，提出了一种直接计算候选目标位置跟踪得分的网络架构。在标准跟踪基准上，该跟踪器达到了最先进的跟踪结果。

    Jul, 2016

  • 极端环境下的人脸检测：机器学习方法

    本文提出一种深层级联多任务框架，通过三层深度卷积神经网络的分级设计，在对人脸和人脸特征区域进行预测的粗到细的过程中，利用其中的内在相关性以提高人脸检测和特征点定位的性能，在学习过程中还采用一种新型的在线困难样本挖掘方法，能够自动提高性能而无需手动样本选择。

    Jan, 2022

  • 深度卷积神经网络实现生产级人脸表情捕捉

    本文章旨在提出一种基于实时深度学习框架的视频面部表情捕获技术，能够从单目视频中密集地追踪演员的脸部运动，从而大大缩短现代叙事驱动的电子游戏或电影开发所需要的时间和劳动力。

    Sep, 2016

  • 使用深度学习候选人筛选和个体重新识别实现多人实时跟踪

    本研究提出了一种在线多目标跟踪方法，通过收集检测和跟踪的输出，利用基于完全卷积神经网络的新型评分函数处理不可靠检测，并采用深度学习出的外貌特征来提高跟踪的识别能力。该方法在人员跟踪基准测试中达到了实时和最先进的性能。

    Sep, 2018

  • 变形人脸跟踪 “野外” 全面性能评估

    本文通过使用最新的 300VW 基准测试，对目前最先进的可形变人脸跟踪流程进行了全面评估，并比较了面部检测加面部特征定位、模型自由跟踪加面部特征定位，以及面部检测、模型自由跟踪和面部特征定位技术的混合方法，揭示了进一步研究的未来方向。

    Mar, 2016

  • 使用深度卷积神经网络进行多视角人脸检测

    本文提出了一种基于卷积神经网络的 Deep Dense Face Detector (DDFD) 方法，不仅不需要姿态或者地标注释，而且能够探测多个视角下人脸的位置，并且表现出与其他方法相当或优于其他更为复杂的方法。

    Feb, 2015

  • 从视频素材中检测口罩的深度学习框架

    该研究提出了一种基于深度学习的方法，利用 MTCNN 和 MobileNetV2 算法检测公共场所中戴口罩的人脸，使得公共场所的监督变得更加安全。

    Nov, 2020

  • 使用深度卷积神经网络进行基于静态和视频的人脸验证

    本篇研究论文介绍了一种深度学习系统，基于卷积神经网络，包括面部检测、定位、对齐和验证模块等，用于非约束性人脸识别。研究使用 IARPA Janus 基准数据集 A， JANUS 挑战集 2 和 LFW 数据集进行了数量化的性能评估，并讨论了 DCNN 面部验证问题的一些开放性问题。

    May, 2016

  • 联合身份验证的深度学习人脸表示

    通过深度学习训练的 DeepID2 特征结合人脸识别和验证信号能够有效地减少人脸识别中的人际差异和人内差异并实现高辨识率。

    Jun, 2014