抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】