- 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 - 高效人脸检测技术评估与综述
本文介绍了基于深度学习的人脸检测方法,并详细分析了其准确性和效率,同时对多个数据集和评估指标进行了比较和讨论,旨在指导如何选择适合不同应用的人脸检测器并开发更加高效和准确的检测器。
- R2RNet: 实低到实标网络的低光图像增强
本文提出了一种新的基于 Retinex 的深度学习网络,用于低光条件下的图像增强。该网络包含三个子网络:Decom-Net,Denoise-Net 和 Relight-Net。我们的模型使用了来自图像的空间信息和频率信息,可以在低光条件下取 - 高效人脸检测的样本和计算重分配
本文提出了两种有效的方法,即样本重分配(SR)和计算重分配(CR),以训练数据抽样和计算分配策略为关键,实现了高效和准确的人脸检测,其中 ScFD34 相较于 TinaFace 在 GPU 上可以快速处理高清晰度图像,准确率提高 3.86% - IJCAI深度伪造检测 AI 模型公正性的探讨
研究发现最近深度学习模型容易出现以种族和性别等保护类别为基础的歧视。通过使用平衡的脸部数据集,探究三种常见的深度伪造检测器在保护子群体上的性能差异,发现预测性能在种族之间存在很大的差异,该研究还发现一些方法可能会导致伪造影响保护子群体,并造 - 低光图像和视频增强技术的深度学习调研
本文提出了一个包含低光图像增强算法分类、数据集、web 平台等多个方面的综述以及一个包含各种拍摄设备下的低光图像数据、在线评估多个流行算法的数据集和平台,并对各种算法在公开及自有数据集上进行了定性和定量评估。本平台,数据集以及评估指标都是公 - CVPRHLA-Face: 针对低光环境人脸检测的高低自适应联合优化方法
本文提出了一种基于高低适应(HLA)框架的人脸检测方法,通过双向低层适应和多任务高层适应,即使不使用暗面标签进行训练,其表现也优于现有技术。
- CVPRCRFace:用于模型无关人脸检测精化的置信度排名器
该研究提出了一种置信度排名网络,可校准同一图像内正确预测的盒子的置信度,并在 8K 分辨率下具有更高的 AP 表现,成为 WiderFace 基准测验的竞争者。
- ICLRLowKey: 利用对抗攻击保护社交媒体用户免受面部识别的侵害
该文研究了面部识别系统,并提出了可以应对这种系统的对抗滤镜,实验表明这种滤镜可以有效的通过包含面部检测和大规模数据库的工业流水线,同时发布了易于使用的 Web 工具来降低 Amazon Rekognition 和 Microsoft Azu - TinaFace: 人脸检测的强大而简单的基线
该研究使用现有的模块和通用物体检测模型构建 TinaFace,实现人脸检测。TinaFace 在 WIDER FACE 挑战赛上实现了 92.1% 的精度。使用测试时增强后,TinaFace 的结果超过了当前最先进的方法,达到 92.4% - MM基于分组关注网络的人脸超分辨率重建
提出了一种基于卷积神经网络的增强人脸超分辨率重建方法,通过分离面部结构信息和纹理细节信息实现外部和内部注意力组合,增强了面部结构和细节真实性并提高人脸识别表现。
- 低光人脸检测的重复曝光生成
本文提出了一种名为 REGDet 的新颖的 “检测与增强” 框架,通过有效地抑制不均匀的照明和噪声问题,显著提高了低光弱面部检测性能,并且没有额外的低 / 正常光图像对进行培训。
- MaskFace: 多任务人脸及关键点检测器
本文介绍了一种名为 MaskFace 的高精度人脸和关键点检测模型,该模型通过多任务模型同时解决人脸检测和关键点定位问题,并在多个任务数据集上实现了良好的性能。
- AAAIKPNet:面部检测的极简解决方案
KPNet 提出了一种基于小型神经网络检测面部关键点的方法,可以快速准确地推断面部边界框的位置,其具有实时性和较高的准确率。
- RNNPool:适用于内存受限推断的高效非线性池化
介绍了一种新型的池化算子 RNNpool—— 基于循环神经网络,可在大的图像区域上高效地聚合特征,快速下采样激活映射。在标准视觉任务中应用于 MobileNets、DenseNet 等多种体系结构,可显著降低推理的计算复杂度和峰值内存使用量 - 低光图像增强的零参考深曲线估计
该论文提出了一种新的零参考深曲线估计方法(Zero-DCE),它将受光增强任务视为深度网络中的图像特定曲线估计任务。我们通过训练一个轻量级的深度网络 DCE-Net 来估计给定图像的像素级和高阶曲线,以进行动态范围调整。Zero-DCE 有 - CenterFace: 采用人脸作为点的联合人脸检测与对齐
该论文提出了一种名为 CenterFace 的一阶段方法,可在有限的存储空间和低计算能力的边缘设备上以实时速度和高精度同时预测面部框和地标位置,其可以优秀地应用于人脸检测和对齐等场景。
- RefineFace: 高性能人脸检测的细节优化神经网络
该论文提出了一种名为 RefineFace 的单次精炼人脸检测器,它由五个模块组成:选择性二步回归、选择性二步分类、比例感知边缘损失、特征监督模块和感受野增强。实验结果表明,该方法在 WIDER FACE、AFW、PASCAL Face、F - DeepPrivacy:一种用于人脸去识别的生成性对抗网络
该研究提出了一种基于条件生成对抗网络的新型体系结构,可以在保留原始数据分布的同时自动地对图像中的人脸进行匿名处理,以隐私安全信息为基础生成图像实现了对图像中所有人脸的完全匿名化,并且引入了包括非传统姿势、遮挡脸部和背景变化巨大的人脸数据集。 - 鱼眼图像人脸和物体检测数据集
本文介绍了两个新的鱼眼图像数据集:VOC-360 和 Wider-360,用于训练人脸和物体检测模型的。这些数据集将有助于开发鱼眼图像的人脸和物体检测器以及分割模块,同时也为真实鱼眼图像的收集和手动注释工作提供了帮助。