IDSSE OpenIR
高精度轻量级的人脸关键点检测算法
徐礼淮1; 李哲2; 蒋佳佳1; 段发阶1; 傅骁1
2020
Source Publication激光与光电子学进展
ISSN1006-4125
Volume57Issue:24
Abstract针对当前人脸关键点检测算法网络模型复杂度高、在计算资源受限时不利于部署的问题,基于知识蒸馏思想,提出了一种高精度、轻量级的人脸关键点检测算法。通过改进残差网络(ResNet50)中的Bottleneck模块并引入分组反卷积,得到轻量级的学生网络。同时提出逐像素损失函数和逐像素对损失函数,通过对齐教师网络与学生网络的输出特征图与中间特征图,将教师网络的先验知识迁移至学生网络,从而提高学生网络的检测精度。实验结果表明,本算法得到的学生网络参数量为2.81 M,模型大小为10.20 MB,在GTX1080显卡上的每秒传输帧数为162frame,在300 W和WFLW数据集上的平均误差分别为3.60%和5.50%。
Keywordimage processing convolution neural networks facial landmark detection algorithm knowledge distillation model optimization lightweight network 图像处理 卷积神经网络 人脸关键点检测算法 知识蒸馏 模型优化 模轻量级网络
Indexed ByCSCD
Language中文
CSCD IDCSCD:6865079
Citation statistics
Document Type期刊论文
Identifierhttp://ir.idsse.ac.cn/handle/183446/8491
Collection中国科学院深海科学与工程研究所
Affiliation1.天津大学
2.中国科学院深海科学与工程研究所
Recommended Citation
GB/T 7714
徐礼淮,李哲,蒋佳佳,等. 高精度轻量级的人脸关键点检测算法[J]. 激光与光电子学进展,2020,57(24).
APA 徐礼淮,李哲,蒋佳佳,段发阶,&傅骁.(2020).高精度轻量级的人脸关键点检测算法.激光与光电子学进展,57(24).
MLA 徐礼淮,et al."高精度轻量级的人脸关键点检测算法".激光与光电子学进展 57.24(2020).
Files in This Item:
There are no files associated with this item.
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[徐礼淮]'s Articles
[李哲]'s Articles
[蒋佳佳]'s Articles
Baidu academic
Similar articles in Baidu academic
[徐礼淮]'s Articles
[李哲]'s Articles
[蒋佳佳]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[徐礼淮]'s Articles
[李哲]'s Articles
[蒋佳佳]'s Articles
Terms of Use
No data!
Social Bookmark/Share
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.