- 隐匿明目之间:对抗性干扰扰乱人工智能人脸合成
本研究通过在训练数据中添加微不可见的对抗干扰因素,破坏基于深度神经网络的人脸检测器的质量,从而防止个人受到最近利用 AI 合成的假面孔可能造成的负面社会影响。我们在白盒、灰盒和黑盒环境下描述了攻击方案,并在若干数据集上实证展示了我们的方法破 - 高性能精准人脸检测
本篇研究通过 Intersection over Union (IoU) 回归的损失函数,两步分类和回归的检测方法,数据基于数据锚采样的增强,采用分类的最大输出操作,并且采用多尺度的测试策略在一个阶段的 RetinaNet 方法中应用一些技 - RetinaFace:野外密集人脸定位的单阶段方法
本文介绍了一种名为 RetinaFace 的检测器,采用联合额外监督和自监督多任务学习,在各种尺度的人脸上实现了像素级别的人脸定位,并采用 5 个额外的面部标记,取得了显著的性能提升。
- LFFD:一款适用于边缘设备的轻量快速人脸检测器
本文提出了一种针对边缘设备的轻量级和高速人脸检测器,其方法是基于无锚点的一阶段检测,通过重新考虑感受野和有效感受野(ERF)之间的关系来实现多尺度的连续人脸检测。综合实验结果表明,该方法在多个数据集上取得了更高的准确度和更快的推断速度。
- MMUG$^{2+}$ Track 2:在恶劣环境下评估和推进图像理解的集体基准努力
UG2 + 挑战赛 2019 年 IEEE CVPR 旨在讨论和探索低级别视觉技术如何在各种场景中有助于高级别自动视觉识别。其第二个跟踪,我们专注于在恶劣天气(雾,雨)和低光条件下导致的目标或人脸检测的可见度增强。为了提供更彻底的检查和公平 - PyramidBox++:用于检测微小人脸的高性能检测器
本研究通过 Balanced-data-anchor-sampling、Dual-PyramidAnchors 和 Dense Context Module 等技术的应用,提出了 PyramidBox++ 算法用于进一步提高人脸检测性能,取 - ECCV2018 年 WIDER 人脸和行人挑战赛:方法和结果
本文回顾了 2018 年 WIDER 挑战赛,该挑战赛专注于人脸和行人的精确定位以及身份准确关联的问题,并概述了该挑战赛的获胜解决方案和未来研究方向。
- 鲁棒性和高性能的人脸检测器
本报告通过重新实现最先进的探测器 SRN 并应用近期文献中提出的一些技巧来获得一种非常强大的人脸探测器,并在 WIDER FACE 测试集达到了最先进的表现。
- FA-RPN:浮动区域提议以用于人脸检测
我们提出了一种新颖的区域生成方法,用于执行面部检测,该方法使用基于池化的方法生成区域提案,通过提出一种有效的锚点放置策略来降低锚点数量,并演示了我们的网络生成的提案优于 RPN 用于生成面部检测的区域提案,这种方法还有迭代优化、浮点锚点设置 - 基于视频的无约束人脸识别自动化系统
提出了一个用于多个挑战性情景的视频人脸识别的鲁棒且高效的系统,包括人脸 / 标志检测、人脸关联和人脸识别等模块,特别是针对多镜头视频设计了精心的人脸关联方法,采用一种基于无监督子空间学习方法和子空间到子空间相似度度量的人脸匹配器来识别人脸, - 通过特征融合和分割监督学习更好的人脸检测特征
本文提出了一种新的单次面部检测网络 DF $^2$ S $^2$,其引入了更有效的特征融合金字塔和在 ResNet-50 上更高效的分割支路来处理细节、遮挡和模糊等问题,并在更高级别的特征映射中应用语义信息作为上下文线索,以增强低级别特征映 - CVPRDSFD: 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。
- 人脸检测、识别和验证的快速准确系统
本文提出了一种使用深度神经网络技术实现的、适用于各种人脸检测和识别的解决方案,包括面部检测、特征定位和人脸验证等环节,并在许多测试数据集上达到了最新水平。
- 用于高性能人脸检测的选择性细化网络
本文介绍了一种新的单次检测人脸算法 —— 选择性精化网络(SRN),通过引入新奇的两步分类和回归操作,可以减少假阳性,同时提高定位准确性,随即提出了两个模块,选择性两步分类(STC)和选择性两步回归(STR),并设计可接受的感受野扩展块(R - KDD深度学习在野外长期人脸跟踪中的应用
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。
- 不受约束人脸检测的极限挑战数据集和基准结果
本文提出了一系列面部识别研究的挑战和现有方法未能覆盖的问题,构建了一个包含人脸各种问题(如天气恶劣、运动模糊、焦距模糊等)的新数据集,并对现有方法的性能进行了深入分析与比较。研究表明,现有 state-of-the-art detector - 低质量图像中人脸检测综述
这篇论文回顾了目前最先进的人脸检测器在高质量图像上的表现,并评估了它们在低质量图像上的鲁棒性,结果表明,手工设计或基于深度学习的人脸检测器在低质量图像上的性能下降,需要研究更加鲁棒的设计方案。
- CVPR超越权衡:基于 FCN 的面部检测器以更高的准确性加速
本论文面向人脸检测任务,提出了一种加速方法 S2AP 和掩膜卷积操作,在保持高准确率的前提下,将 RPN 的速度提升了 4 倍,并在 FDDB、AFW、MALF 等数据集上达到了 state-of-the-art 效果。
- PyramidBox:基于上下文辅助的单次检测人脸算法
本文提出了一种新的基于上下文辅助的单次射击人脸检测器 PyramidBox,通过设计新的上下文锚点、引入上下文敏感的结构和使用 Data-anchor-sampling 方法增加训练样本的多样性等方式,优化了上下文信息的利用和预测网络的容量 - CVPR从鲁棒锚点的角度观察小尺度人脸
本文介绍一种新的 anchor 设计,用于支持基于 anchor 的人脸检测,并提升其在微小脸部的尺度不变性表现。新的 “期望最大重叠”(EMO)得分被提出,可以理论上解释低重叠问题,并启发几种新的 anchor 设计策略。 经过全面的实验