文献

J-GLOBAL ID：202002247048795425   整理番号：20A0833150

DECAFA:野生における顔アラインメントのための深い畳込みカスケード【JST・京大機械翻訳】

DeCaFA: Deep Convolutional Cascade for Face Alignment in the Wild

著者 (3件)： Dapogny Arnaud (Pierre and Marie Curie University. UPMC) ,  Cord Matthieu (Sorbonne University) ,  Bailly Kevin (Datakalab)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICCV  ページ： 6892-6900  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 顔認識は,データセットを横切って変化する多数の顔ランドマークを局所化することからなるアクティブコンピュータビジョンドメインである。最先端の顔アラインメント法は,エンドツーエンド回帰において,あるいは,初期の推測から始まるカスケード法における形状の微細化において構成されている。本論文では,顔アラインメントのためのエンドツーエンド深畳込みカスケード(DeCaFA)アーキテクチャを紹介した。顔認識は,データセットを横切って変化する多数の顔ランドマークを局所化することからなるアクティブコンピュータビジョンドメインである。最先端の顔アラインメント法は,エンドツーエンド回帰において,あるいは,初期の推測から始まるカスケード法における形状の微細化において構成されている。本論文では,顔アラインメントのためのエンドツーエンド深畳込みカスケードアーキテクチャであるDeCaFAを紹介した。DeCaFAは,カスケードを通して完全な空間分解能を維持するために完全畳込みステージを使用する。各カスケード段階の間で,DeCaFAは複数の連鎖移動層を用いて,いくつかのランドマークアラインメントタスクのそれぞれに対するランドマークごとの注意マップを生成する。段階間の効率的な特徴融合だけでなく,重み付き中間監視は,エンドツーエンド方式における注意マップを次第に洗練することを可能にする。著者らは,DeCaFAが300W,CeebAおよびWFLWデータベースに関する既存のアプローチよりも著しく優れていることを実験的に示した。さらに,DeCaFAは粗く注釈されたデータを用いて非常に少ない画像から合理的な精度で細かいアラインメントを学習できることを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 精密化 ,  空間分解能 ,  データベース ,  *畳込み ,  エンドツーエンド方式 ,  連鎖移動 ,  計算機アーキテクチャ ,  *アラインメント ,  コンピュータビジョン
準シソーラス用語： 特徴融合 ,  局在化 ,  ランドマーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 顔 ,  アラインメント ,  畳込み ,  カスケード