2ヶ月前

Wing Loss を用いた畳み込みニューラルネットワークによる頑健な顔のランドマーク局所化

Zhen-Hua Feng; Josef Kittler; Muhammad Awais; Patrik Huber; Xiao-Jun Wu
Wing Loss を用いた畳み込みニューラルネットワークによる頑健な顔のランドマーク局所化
要約

我々は、Convolutional Neural Networks (CNNs) を用いた堅牢な顔のランドマーク位置特定のために新しい損失関数であるWing損失を提案します。まず、L2、L1、およびsmooth L1などの異なる損失関数を比較・分析します。これらの損失関数の分析結果から、CNNベースの位置特定モデルの学習においては、小さな範囲と中程度の範囲の誤差により多くの注意を払うべきであることが示唆されます。これを達成するために、我々は区分的な損失関数を設計しました。新しい損失関数は、(-w, w) の区間内の誤差の影響を増幅するために、L1損失から修正された対数関数に切り替えます。訓練セットにおける大規模な平面外頭部回転を持つサンプルの過小評価という問題に対処するため、単純ながら効果的なブースティング戦略である姿勢に基づくデータバランス(pose-based data balancing)を提案します。具体的には、少数派の訓練サンプルを複製し、ランダムな画像回転やバウンディングボックスの平行移動など他のデータ拡張手法によってそれらを変動させることでデータ不均衡問題に対処します。最後に、提案手法を拡張して堅牢な顔のランドマーク位置特定用の二段階フレームワークを作成しました。AFLWおよび300Wでの実験結果は、Wing損失関数の優れた特性を示しており、提案手法が最先端アプローチに対して優れていることを証明しています。

Wing Loss を用いた畳み込みニューラルネットワークによる頑健な顔のランドマーク局所化 | 最新論文 | HyperAI超神経