Vorhersage von Gesichtsmerkmalen mit handelsüblichen CNN-Funktionen

Die Vorhersage von Merkmalen aus Gesichtsabbildungen aus der freien Natur ist ein herausforderndes Problem der Computer Vision. Um Gesichtsmerkmale automatisch aus Gesichtern enthaltenden Bildern zu beschreiben, benötigt man traditionell drei technische Blöcke in einer Pipeline - Gesichtslokalisierung, Konstruktion von Gesichtsdeskriptoren und Merkmalsklassifikation. Als typisches Klassifikationsproblem wurde die Vorhersage von Gesichtsmerkmalen mit Deep Learning angegangen. Die aktuelle Spitzentechnologie wurde erreicht, indem zwei aufeinanderfolgende Convolutional Neural Networks (CNNs) verwendet wurden, die speziell für das Lernen von Gesichtslokalisierung und Merkmalsbeschreibung trainiert wurden. In diesem Papier experimentieren wir mit einer alternativen Methode, um die Kraft tiefer Repräsentationen aus CNNs zu nutzen. Zusammen mit konventionellen Gesichtslokalisierungstechniken verwenden wir handelsübliche Architekturen, die für die Gesichtserkennung trainiert wurden, um Gesichtsdeskriptoren zu erstellen. In Anerkennung der Vielfalt der beschreibbaren Gesichtsmerkmale werden unsere Gesichtsdeskriptoren aus verschiedenen Ebenen der CNNs für unterschiedliche Merkmale konstruiert, um die Vorhersage von Gesichtsmerkmalen optimal zu unterstützen. Experimente an zwei großen Datensätzen, LFWA und CelebA, zeigen, dass unser Ansatz vollständig mit der Spitzentechnologie vergleichbar ist. Unsere Ergebnisse zeigen nicht nur einen effizienten Ansatz zur Vorhersage von Gesichtsmerkmalen, sondern werfen auch eine wichtige Frage auf: Wie kann man die Kraft der handelsüblichen CNN-Repräsentationen für neuartige Aufgaben nutzen?