文献

J-GLOBAL ID：201702256754346507   整理番号：17A0067842

深さ自己符号器ネットワークに基づく顔特徴点標定の方法を提案した。【JST・京大機械翻訳】

FACIAL LANDMARK LOCALISATION APPROACH BASED ON DEEP AUTOENCODER NETWORKS

著者 (3件)： Liang Yangyang (School of Computer Science and Engineering, Nanjing University of Science and Technology) ,  Chen Yu (School of Computer Science and Engineering, Nanjing University of Science and Technology) ,  Yang Jian (School of Computer Science and Engineering, Nanjing University of Science and Technology)
資料名： Jisuanji Yingyong Yuruanjian  (Jisuanji Yingyong Yuruanjian)
巻： 33  号： 9  ページ： 139-142  発行年： 2016年 
JST資料番号： C2940A  ISSN： 1000-386X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 深さ学習ネットワーク技術を用いた顔特徴点標定の方法は,より効果的である。しかし、顔画像は姿勢、表情、照明、オクルージョンなどの変化により複雑な多様性があるため、数多くの顔特徴点(50個以上の特徴点を超える)の定位は依然として大きな挑戦性がある。三層カスケードの自己符号器ネットワークを設計し,粗さの方法により多くの目の顔特徴点を位置決めした。第一層のネットワークは全顔画像を入力として、直接顔の輪郭と部品の位置を推定し、それによって特徴点を三つの部分(眼眉鼻、口唇と顔輪郭)に分け、次に定位を行う。その後の2層ネットワークはそれぞれの部品の特徴点を推定する。LFPWとHELENデータベースに関する実験結果は,提案方法が顔特徴点標定の精度とロバスト性を向上させることができることを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 単一層 ,  *ネットワーク ,  顔画像 ,  *標定 ,  表情 ,  データベース ,  オクルージョン ,  *符号器 ,  ロバスト性 ,  学習
準シソーラス用語： 二層 ,  *特徴点 , 【Automatic Indexing@JST】

著者キーワード (4件)： Facial landmark localisation ,  Deep learning ,  Autoencoder networks ,  Coarse-to-fine

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 自己 ,  符号器 ,  顔 ,  特徴点 ,  標定 ,  提案