Das Respostas das Partes Faciais à Detecção de Faces: Uma Abordagem de Aprendizado Profundo

Neste artigo, propomos uma nova rede neural convolucional profunda (DCN) que alcança um desempenho excepcional no FDDB, PASCAL Face e AFW. Especificamente, nosso método alcança uma alta taxa de recuperação de 90,99% no desafiador benchmark FDDB, superando o método de ponta 23 por uma ampla margem de 2,91%. Importante, consideramos encontrar faces de uma nova perspectiva, avaliando as respostas das partes faciais pela sua estrutura e arranjo espacial. O mecanismo de pontuação é cuidadosamente formulado considerando casos desafiadores onde as faces estão apenas parcialmente visíveis. Essa consideração permite que nossa rede detecte faces sob severa oclusão e variação de pose não restrita, que são a principal dificuldade e gargalo da maioria das abordagens existentes de detecção de faces. Mostramos que, apesar do uso de DCN, nossa rede pode alcançar uma velocidade de execução prática.