ASMNet: شبكة عصبية عميقة خفيفة الوزن لمحاذاة الوجه وتقدير الاتجاه

نموذج الشكل النشط (ASM) هو نموذج إحصائي لأشكال الأشياء يُمثّل بنية الهدف. يمكن لـ ASM توجيه خوارزميات التعلم الآلي لتناسب مجموعة من النقاط التي تمثل كائنًا (مثل الوجه) على صورة. تقدم هذه الورقة معمارية خفيفة الوزن لشبكة عصبية تلافيفية (CNN) تُستخدم دالة الخسارة المدعومة بـ ASM لضبط موضع الوجه وتقدير اتجاه رأس الوجه في البيئات الطبيعية (في البرية). نستخدم ASM أولاً لتوجيه الشبكة نحو تعلم توزيع أكثر سلاسة لنقاط السمات الوجهية. مستوحاة من التعلم المنقول، أثناء عملية التدريب، نُصعّب تدريجيًا مشكلة الانحدار ونوجه الشبكة نحو تعلم التوزيع الأصلي لنقاط السمات الوجهية. نُعرّف مهامًا متعددة في دالة الخسارة، وهي مسؤولة عن اكتشاف نقاط السمات الوجهية وتقدير اتجاه الوجه. إن التعلم المتزامن لمهام مرتبطة ببعضها البعض يُنشئ تآزرًا ويعزز أداء المهام الفردية. قارنا أداء النموذج المقترح، المسمى ASMNet، مع نموذج MobileNetV2 (الذي يقارب حجمه ضعف حجم ASMNet) في مهام ضبط موضع الوجه وتقدير الاتجاه. أظهرت النتائج التجريبية على مجموعات بيانات صعبة أن استخدام دالة الخسارة المدعومة بـ ASM يجعل أداء ASMNet مماثلًا لـ MobileNetV2 في مهمة ضبط موضع الوجه. علاوةً على ذلك، في مهمة تقدير اتجاه الوجه، أظهر ASMNet أداءً أفضل بكثير من MobileNetV2. وتحقق ASMNet أداءً مقبولًا في كلا المهمتين، أي اكتشاف نقاط السمات الوجهية وتقدير الاتجاه، مع عدد ملاحظات معلمة وعمليات فاصلة عائمة أقل بشكل ملحوظ مقارنةً بعدة نماذج تعتمد على CNN.