文献

J-GLOBAL ID：202102232891131818   整理番号：21A0993771

二値化ニューラルネットワークに基づく効率的な顔ランドマーク位置決め【JST・京大機械翻訳】

Efficient Facial Landmark Localization Based on Binarized Neural Networks

著者 (6件)： Chen Hanlin (School of Automation Science and Electrical Engineering, Beihang University, Beijing 100191, China) ,  Zhang Xudong (School of Electronics and Information Engineering, Beihang University, Beijing 100191, China) ,  Ma Teli (ShenYuan Honors College, Beihang University, Beijing 100191, China) ,  Yue Haosong (School of Automation Science and Electrical Engineering, Beihang University, Beijing 100191, China) ,  Wang Xin (Shenzhen Academy of Aerospace Technology, Shenzhen 518000, China) ,  Zhang Baochang (School of Automation Science and Electrical Engineering, Beihang University, Beijing 100191, China)
資料名： Electronics (Web)  (Electronics (Web))
巻： 9  号： 8  ページ： 1236  発行年： 2020年 
JST資料番号： U7178A  ISSN： 2079-9292  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 顔ランドマーク位置決めは,深い畳込みニューラルネットワーク(CNNs)の成功した応用により,その精度が著しく改善された,かなり挑戦的なコンピュータビジョンタスクである。しかしながら,CNNは巨大なストレージと計算オーバヘッドを必要とし,従って計算的に制限されたプラットフォームへのそれらの展開を妨げる。本論文では,著者らの知る限りでは,効率的な顔ランドマーク位置決めが二値化CNNを介して実行されるのは初めてである。提案した非同期逆伝搬アルゴリズムに基づいて,Amplitude Convolutionalネットワーク(ACN)と呼ばれる二値化モデルを計算するための新しいネットワークアーキテクチャを導入した。エンドツーエンド方式で単一因子のみを用いて完全精度フィルタを効率的に回復でき,顔ランドマーク位置決めのためのCNNの効率は,さらに圧縮された1ビットACNによってさらに改善される。著者らのACNは,データセットLFW+Webface,CelebA,BioIDおよび300Wのフル精度モデルと比較して,畳込みフィルタの記憶空間を32倍減少させ,一方,完全精度顔ランドマーク位置決めアルゴリズムに匹敵する性能を達成した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  畳込み ,  フィルタ ,  *ネットワーク ,  *ニューラルネットワーク ,  位置決め ,  エンドツーエンド方式 ,  コンピュータビジョン ,  ネットワークアーキテクチャ
準シソーラス用語： オーバヘッド ,  ランドマーク ,  *二値化 ,  ストレージ装置 ,  逆伝搬アルゴリズム ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： 顔ランドマーク位置決め ,  振幅畳込みネットワーク(ACN) ,  二値化ニューラルネットワーク(BNN)

分類 (2件)： パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q)

引用文献 (47件)：

• Kowalski, M.; Naruniec, J.; Trzcinski, T. Deep alignment network: A convolutional neural network for robust face alignment. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, Honolulu, HI, USA, 22-25 July 2017.
• Taigman, Y.; Yang, M.; Ranzato, M.; Wolf, L. Deepface: Closing the gap to human-level performance in face verification. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Columbus, OH, USA, 23-28 June 2014.
• Evangelos, S.; Hatice, G.; Andrea, C. Automatic analysis of facial affect: A survey of registration, representation, and recognition. IEEE Trans. Pattern Anal. Mach. Intell. 2015, 37, 1113-1133.
• Corcoran, P.M.; Nanu, F.; Petrescu, S.; Bigioi, P. Real-time eye gaze tracking for gaming design and consumer electronics systems. IEEE Trans. Consum. Electron. 2012, 58, 347-355.
• Hsieh, P.L.; Ma, C.; Yu, J.; Hao, L. Unconstrained realtime facial performance capture. In Proceedings of the Computer Vision $ Pattern Recognition, Boston, MA, USA, 7-12 June 2015.

タイトルに関連する用語 (4件)： 二値化 ,  ニューラルネットワーク ,  顔 ,  ランドマーク