利用半監督式學習進行人臉關鍵點偵測

Abstract

對於各種臉部分析問題，面部標點及輪廓位置都是十分重要，包括臉部表情偵測、頭部姿態估計、面部變形、面部反偽造以及身份檢測。近年來，基於深度學習的人臉關鍵點檢測有著不錯的成效，然而由於標記資料的有限性，預測還是存在著侷限。受近期所流行的自學習方法的影響，我們提出一種半監督式學習的人臉關鍵點預測方法。 在我們的方法中，我們會先利用標記資料訓練一個教導模組，並將未標記數據帶入教導模組中產生偽標籤。產生偽標籤後，我們設計了兩個篩選偽標籤的方法，包括利用Pearson卡方檢測計算預測區域與標準高斯分布的差距，以及利用數據增強前後預測結果的差異做篩選。獲得偽標籤後，我們將標記資料跟偽標籤資料一起訓練學生模組，學生模組得到的結果較教導模組進步5.5%. 除了半監督式學習的方法，我們還提出了一個遮擋區域損失增加的方法，如此我們可以更好處理遮蔽的問題。