目錄
1. 前言
2 .人臉檢測資料集：
3.人臉檢測方法
4.**鏈結以及部分部落格解讀鏈結
根據知乎專欄：
整理出來的**綜述。馬住慢慢看總結。
序號**
時間主要方法
優點缺點1
an introduction to active shape models
1995
asm模型簡單直接，架構清晰明確，易於理解和應用，形狀約束
近似於窮舉搜尋，效率低2
1998
aam加入整個臉部區域的紋理特徵3
cascaded pose regression
2010
cpr多級回歸器
自動訓練學習4
deep convolutional network cascade for facial point detection
2013
dcnn
深度學習首次應用5點5
extensive facial landmark localization with coarse-to-fine convolutional network cascade
2013
face++版 dcnn
減少計算量
提高精度
68點6
tcdcn-facial landmark detection by deep multi-task learning
tcdcn
快速多工
容易漂移7
joint face detection and alignment using multi-task cascaded convolutional networks
2016
mtcnn
同時進行人臉檢測和人臉關鍵點定位
hardsample挑選8
tweaked convolutional neural networks
2016
tcnn
採用聚類分析9
deep alignment networks
2017
dan加入關鍵點熱圖，輸入整張影象
10robust facial landmark detection via a fully-convolutional local-global context network
設計思路與之前的有本質差異
1 asm **
參考部落格
2 aam **
參考部落格
3cpr **
參考部落格
4 dcnn **
參考部落格
5 face++ **
參考部落格
6 tcdcn **
參考部落格
7 mtcnn **
參考部落格
8 tcnn **
參考部落格
9 dan **
參考部落格
caffe 人臉關鍵點檢測 密集人臉關鍵點檢測
mtcnn聯合人臉檢測和對齊任務提供了5點關鍵點的能力，但是對於姿態姿態恢復等應用是遠遠不夠的，經常會出現某個點錯誤導致大幅抖動，顯然需要更密集的關鍵點.常見的資料集都是68點和106點。人臉關鍵點檢測主要面臨下面幾個挑戰 區域性變化 現實場景中人臉的表情，廣告，以及遮擋情況都有較大的變化，如fig...
人體關鍵點檢測綜述
宣告 本文主要內容 於 人體姿態估計 human pose estimation 也稱為人體關鍵點檢測 human keypoints detection 對於人體姿態估計的研究，大致可做如下分類。1.rgb vs rgbd 後者多一項depth資訊，常用於3d人體姿態估計的研究。2.2d huma...
人臉關鍵點 PFLD人臉關鍵點檢測解讀
參考 應用場景 人臉特效，疲勞檢測，美妝，非官方code 圖1 模型結構圖 圖2 人臉關鍵點 圖3 輔助分支 pfld的模型訓練策略 一開始我們設計的那個簡單的網路，採用的損失函式為mse，所以為了平衡各種情況的訓練資料，我們只能通過增加極端情況下的訓練資料 平衡各類情況下的訓練資料的比例 控制資料...