【人脸关键点】——PFLD人脸关键点检测解读

 

 

应用场景： 人脸特效，疲劳检测，美妆，

非官方code： https://github.com/polarisZhao/PFLD-pytorch

1. 挑战

• 局部变化：表情、局部极端光照(如高亮和阴影)和遮挡会给面部图像带来部分变化/干扰

• 全局变化：姿态和成像质量是影响人脸图像整体外观的两个主要因素，当对人脸的整体结构进行错误估计时，会导致很大一部分标志点的定位效果不佳

• 数据平衡

• 模型效率

针对上面的问题，本篇文章从，模型+loss两个方面进行设计改进。（其实现在深度学习的论文，会分析相关的挑战，但是并不会针对对应的挑战设计解决方案，更多的还是在通用AI的层面进行设计）

2. 模型结构

图1 模型结构图

图2 人脸关键点

图3 辅助分支

• 整个模型基于mobilenetv2设计
• 上面的橙色框为人脸关键点预测分支。mobilenet-v2提取特征，3个不同尺度的特征融合之后，接全连接层输出196个值，98个关键点
• 绿色框为辅助分支。经conv特征加强后，经fc输出3个值，分别代表欧拉角
• 辅助分支不在实际推理的时候使用，只用于训练

3. 训练

1. PFLD的模型训练策略

一开始我们设计的那个简单的网络，采用的损失函数为MSE，所以为了平衡各种情况的训练数据，我们只能通过增加极端情况下的训练数据、平衡各类情况下的训练数据的比例、控制数据数据的采样形式（非完全随机采样）等方式进行性能调优。（re-sample）

2. 损失函数（re-weight）
   

上式中 wn为可调控的权值函数（针对不同的情况选取不同的权值，如正常情况、遮挡情况、暗光情况等等）。C为6，表示有6个类别。theta为人脸姿态的三维欧拉角（K=3），d为回归的landmark和groundtrue的度量（一般情况下为MSE，也可以选L1度量）。M表示批量大小。N表示关键点个数为98。该损失函数设计的目的是，对于样本量比较大的数据（如正脸，即欧拉角都相对较小的情况），给予一个小的权值，在进行梯度的反向传播的时候，对模型训练的贡献小一些；对于样本量比较少的数据（侧脸、低头、抬头、表情极端），给予一个较大的权值，从而使在进行梯度的反向传播的时候，对模型训练的贡献大一些。该模型的损失函数的设计，非常巧妙的解决了平衡各类情况训练样本不均衡的问题。

3. 辅助网络
   
   PFLD的训练过程中引入了一个子网络，用以监督PFLD网络模型的训练。该子网络仅在训练的阶段起作用，在inference的时候不参与；该子网络的用处，是对于每一个输入的人脸样本，对该样本进行三维欧拉角的估计，其groundtruth由训练数据中的关键点信息进行估计，虽然估计的不够精确，但是作为区分数据分布的依据已经足够了，毕竟还该网络的目的是监督和辅助训练收敛，主要是为了服务关键点检测网络。

4. 总结

• 论文从re-sample，re-weight，数据集扩充三个方面来对多场景的人脸挑战进行处理。但是这样需要数据集中增加类别标签，如：模糊，遮挡，卡通…(暂时还没有看到非监督的方法)
• 论文利用人脸关键点的另一个相关指标——欧拉角，进行辅助监督学习。其实人脸关键点只需要红色的虚线框，用不用欧拉角都无所谓。论文的思路是：欧拉角算是人脸姿态中的一个相关量。所以增加一个辅助分支进行监督学习。

总结，论文从通用AI设计的数据平衡+相关指标辅助两个主要方面进行人脸关键点检测器的设计