摘要
面部关键点检测旨在定位人类面部的解剖学定义点。本文研究了从部分标注的面部图像中进行面部关键点检测的问题。一种典型的方法是：(1) 在标注图像上训练一个检测器；(2) 使用该检测器对未标注图像进行预测，生成新的训练样本，并将其作为伪标签；(3) 在标注样本和部分伪标注样本上重新训练检测器。通过这种方式，检测器可以从标注数据和未标注数据中学习，从而变得更加鲁棒。在本文中，我们提出了一种教师与两个学生之间的交互机制，以生成更可靠的未标注数据的伪标签，这有助于半监督面部关键点检测。具体而言，两个学生被实例化为双检测器。教师学习评估学生生成的伪标签的质量，并在重新训练阶段之前过滤掉不合格的样本。这样一来，学生检测器可以从其教师那里获得反馈，并使用自身生成的高质量数据进行重新训练。由于两个学生是由不同的样本训练的，它们预测结果的组合将比任何一个单独的预测结果更加鲁棒，作为最终预测结果。在300-W和AFLW基准上的大量实验表明，教师与学生之间的交互有助于更好地利用未标注数据，并达到了当前最先进的性能。