IJCAIJul, 2020

ACFD: 非对称卡通脸部检测器

PDF
TL;DR本文提出了一种名为 ACFD 的不对称卡通脸检测器，它由多个不对称单次聚合模块 (AOSA) 组成的新颖骨干 VoVNetV3，不对称双向特征金字塔网络 (ABi-FPN)，动态锚点匹配策略 (DAM) 和相应的边际二元分类损失 (MBC) 等模块组成。使用这些模块，我们在不使用任何预训练模型且模型大小为 200MB、推断时间为 50ms 每张图像的条件下，取得了 2020 年 iCartoon Face 挑战赛检测赛道的第一名。
cartoon face detectionacfdasymmetric one-shot aggregation modulesfeature pyramid networkdynamic anchor match strategy
发现论文，激发创造
  • 自动可伸缩人脸检测器

    通过不同的可微架构搜索方法，提出的 AutoFAE 模块在人脸检测方面表现出优异的性能，并在 WIDER Face 测试中实现了 AP 96.7/96.2/92.1 的结果。

    Jan, 2022

  • 基于深度学习的面部部位响应到人脸检测的转换

    本文提出了一种新颖的深度卷积网络，通过对面部部位响应的空间结构和排列进行评分机制，从新的角度寻找面部，并考虑到挑战性情况下的面部检测，如严重遮挡和不受约束的姿势变化，以实现在 FDDB，PASCAL Face 和 AFW 数据集上出色的表现。

    Sep, 2015

  • AFNet-M：自适应融合网络与面部表情识别的 2D+3D 面部表情识别

    本研究提出了一种自适应融合网络，利用人脸显著区域的掩码来增强 2D 和 3D 局部特征，通过设计的调制向量自动学习，以及计算重要性权重的新型融合策略可以在卷积层中执行自适应融合。实验结果表明，该方法在 BU-3DFE 和 Bosphorus 数据集上具有最先进的性能并且需要较少的参数。

    May, 2022

  • 一种基于 Retinaface 的轻量级和准确的人脸检测算法

    本研究提出了一种轻量且准确的面部检测算法 LAFD（基于 Retinaface）。该算法中的主干网络是修改的 MobileNetV3 网络，调整了卷积核的大小、反向残差块的通道扩展乘数以及 SE 注意机制的使用。在上下文模块中引入了可变形卷积网络（DCN），并使用焦点损失函数作为模型的分类损失函数，而不是交叉熵损失函数。在 WIDERFACE 数据集上的测试结果表明，LAFD 的平均准确率分别为 94.1％，92.2％和 82.1％，对应于 “easy”，“medium” 和 “hard” 验证子集，相对于 Retinaface 分别提高了 3.4％，4.0％和 8.3％，相对于轻量级模型 LFFD 分别提高了 3.1％，4.1％和 4.1％。如果将输入图像预处理并缩放到 1560 像素的长度或 1200 像素的宽度，该模型在 “hard” 验证子集上可以达到 86.2％的平均准确率。该模型很轻量，仅有 10.2MB 的大小。

    Aug, 2023

  • 用于面部防欺骗的双交叉中心差分网络

    本文提出了两种交叉中心差异卷积（C-CDC）和一个强大的双交叉中心差异网络（DC-CDN），包括交叉特征交互模块和面部交换增强策略，提高了人脸反欺诈的性能。

    May, 2021

  • 远程感知图像任意方向物体检测的关键特征捕获网络 CFC-Net

    本文提出了一种名为 CFC-Net 的网络，该网络使用判别式特征来提高遥感图像中对象的检测精度，并通过构建强大的特征表示、优化预设锚点和优化标签分配等方面来改进检测性能。实验结果表明，在三个远程感应数据集中，与许多最先进的方法相比，该方法实现了卓越的检测性能。

    Jan, 2021

  • 使用多任务级联卷积网络进行联合人脸检测和对齐

    该论文提出了一个采用深度级联多任务框架的人脸检测和对齐方法，利用深度学习及在线难样本挖掘等技术，在 FDDB、WIDER FACE 和 AFLW 等基准测试中取得了优于同类算法的高准确度和实时性能。

    Apr, 2016

  • 尺度感知人脸检测

    该研究提出了一种基于 CNN 的面部检测器，可以通过预测面部的尺度分布直方图来显式处理不同尺度的面部，从而实现更好的检测效果和更少的计算成本。

    Jun, 2017

  • DSFD: 双阶段人脸检测器

    本文提出了一种名为 “Dual Shot Face Detector (DSFD)” 的新型人脸检测网络，通过三个关键方面的改进：改善特征学习、优化损失设计、数据增强，达到了超越现有人脸检测器的效果。

    Oct, 2018

  • 基于中心差分网络的多模态人脸防疫欺骗技术

    本文提出了一种基于中心差分卷积神经网络 (CDCN) 的多模式人脸防伪技术，能够对 RGB、深度和红外三种方式获取的数据进行准确的真假识别，成果在 2020 年 ChaLearn 人脸防伪攻击检测挑战赛中位居第一和第二名。

    Apr, 2020