文献

J-GLOBAL ID：202002287598329686   整理番号：20A1204166

顔アラインメントのための深い多中心学習【JST・京大機械翻訳】

Deep multi-center learning for face alignment

著者 (6件)： Shao Zhiwen (Department of Computer Science and Engineering, Shanghai Jiao Tong University, China) ,  Zhu Hengliang (Department of Computer Science and Engineering, Shanghai Jiao Tong University, China) ,  Tan Xin (Department of Computer Science and Engineering, Shanghai Jiao Tong University, China) ,  Hao Yangyang (Department of Computer Science and Engineering, Shanghai Jiao Tong University, China) ,  Ma Lizhuang (Department of Computer Science and Engineering, Shanghai Jiao Tong University, China) ,  Ma Lizhuang (School of Computer Science and Software Engineering, East China Normal University, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 396  ページ： 477-486  発行年： 2020年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 顔のランドマークは,特定のランドマークがその隣接するランドマークによって推定できるので,互いに高度に相関している。既存の深い学習法のほとんどは,顔のランドマークの位置を推定するために,形状予測層と呼ばれる1つの完全に接続された層を使用するだけである。本論文では,顔アラインメントのための複数の形状予測層を持つマルチセンター学習と名付けた新しい深い学習フレームワークを提案した。特に,各形状予測層は,それぞれ意味的に関連するランドマークのあるクラスタの検出を強調する。挑戦的なランドマークを最初に焦点を合わせて,ランドマークの各々のクラスタをさらに最適化した。さらに,モデルの複雑さを低減するために,複数の形状予測層を一つの形状予測層に統合するモデル組立法を提案した。広範な実験により,この方法が複雑なオクルージョンと実時間性能による外観変化を扱うのに有効であることを実証した。この方法のコードはhttps://github.com/ZhiwenShao/MCNet-Extensionで利用可能である。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アラインメント ,  最適化 ,  *学習 ,  クラスタ ,  オクルージョン
準シソーラス用語： ランドマーク , 【Automatic Indexing@JST】

著者キーワード (3件)： 多中心学習 ,  モデル組立 ,  顔のアラインメント

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 顔 ,  アラインメント ,  学習