초록
제약 없는 환경에서의 얼굴 검출 및 정렬은 다양한 자세, 조명 및 가림 현상 때문에 어려운 문제입니다. 최근 연구들은 이러한 두 가지 과제에서 딥 러닝 접근법이 인상적인 성능을 달성할 수 있음을 보여주고 있습니다. 본 논문에서는 이들 간의 내재적 상관관계를 활용하여 성능을 향상시키는 깊은 단계적 다중 작업 프레임워크를 제안합니다. 특히, 우리의 프레임워크는 얼굴과 랜드마크 위치를 대략적으로부터 세밀하게 예측하는 세 단계의 신중하게 설계된 딥 컨볼루션 네트워크로 구성된 단계적 구조를 채택하고 있습니다. 또한 학습 과정에서, 우리는 수동 샘플 선택 없이 성능을 자동으로 개선할 수 있는 새로운 온라인 하드 샘플 마이닝 전략을 제안합니다. 우리의 방법은 FDDB와 WIDER FACE 벤치마크에서 얼굴 검출에 대한 최신 기술보다 우수한 정확도를 달성하며, AFLW 벤치마크에서도 얼굴 정렬에 대해 뛰어난 성능을 보여주며 실시간 처리 능력을 유지합니다.