文献

J-GLOBAL ID：202202291775829041   整理番号：22A0794922

顔ランドマーク検出のための注意的閉塞適応深層ネットワーク【JST・京大機械翻訳】

Attentive occlusion-adaptive deep network for facial landmark detection

著者 (2件)： Sadiq Muhammad (College of Computer Science and Software Engineering, Shenzhen University, China) ,  Shi Daming (College of Computer Science and Software Engineering, Shenzhen University, China)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 125  ページ： Null  発行年： 2022年 
JST資料番号： D0611A  ISSN： 0031-3203  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： 本論文で非常に特異的であるために,幾何学意識モジュール,注意モジュール,および低ランク学習モジュールから成る顔のランドマーク検出のために,AODNとして参照される,意図的オクルージョン適応深層ネットワークを提案した。顔ランドマーク検出(FLD)は,顔関連タスクの基本的前処理ステップである。咬合,極端な姿勢,異なる表現および照明は,顔ランドマーク検出関連タスクにおける主な課題である。畳込みニューラルネットワーク(CNN)ベースのFLD法は,正確なFLDに関して大幅な改善を達成しているが,CNNに対しても,オクルージョンに対処することは,まだ非常に困難である。それは;おそらくオクルージョンは特徴表現学習においてCNNを誤リードする。顔が部分的に閉塞されるならば,局在化精度は著しく減少した。人間の視覚システムにおける注意の役割は重要であり,研究者はコンピュータビジョン問題に対するその重要性を証明した。異なる顔成分と注意の間の幾何学的関係を利用して,既に確立されたOcclusion適応深層ネットワーク(ODN)を拡張した。チャネル毎の注意(CA)と空間注意(SA)からなる注意モジュールを導入し,オクルージョンを扱う能力を改善し,同時に特徴表現能力を強化した。オクルージョン確率は,高レベル特徴の適応重みとして支援し,オクルージョンの影響を最小化し,オクルージョンのモデリングを支援する。アブレーション研究は各モジュールの相乗効果を証明した。三重寄与の要約は以下の通りである。i)既に確立されたODNモデルでの注意機構を導入し,より正確にオクルージョンを処理し,より優れた性能を実現するための豊富な特徴表現を得て,著者らは,著者らの提案方法論が,訓練時間とコストを有効的に減少させる,全ネットワークパラメータの数を減らすのに,FLDのためのCAとSAを導入するための先駆者である。従って,提案モデルはスケーラブルデータ処理に適している。実験結果は,挑戦的なベンチマークデータセットに関して提案したAODNのより良い性能を証明した。Copyright 2022 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 ,  幾何学 ,  学習 ,  *ネットワーク ,  *標識 ,  相乗作用 ,  *顔 ,  モデリング ,  コンピュータビジョン ,  アブレーション ,  ベンチマーク ,  咬合 ,  オクルージョン
準シソーラス用語： ランドマーク ,  特徴表現 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 顔ランドマーク検出 ,  チャネルごとの注意 ,  空間注意 ,  深層学習 ,  顔アラインメント

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 (6件)： 顔 ,  ランドマーク ,  注意 ,  閉塞 ,  適応 ,  深層