基于人类注意力引导的多尺度模型的面部检测
Marinella Cadoni1, Andrea Lagorio2, Enrico Grosso2
1Dipartimento di Scienze Biomediche, Università di Sassari, Viale San Pietro 43B, 07100, Sassari, Italy. maricadoni@uniss.it.
Biological cybernetics
|December 1, 2023
概括
人类的注意力,特别是对眼睛的固定,可以改善面部检测的多尺度模型. 这种方法有助于选择最佳的空间尺度和感兴趣的区域,以获得更好的性能.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 人与计算机的交互
背景情况:
- 多尺度模型,如基于可变形部件的模型 (DPM),是面部检测和识别的先进技术.
- 目前的DPM依赖于基于启发式的,由专家定义的零件配置和尺度,缺乏生物灵感.
研究的目的:
- 调查人类视觉注意力,特别是固定模式,是否可以为面部检测的多尺度模型的设计提供信息.
- 确定是否结合人类固定数据可以优化空间尺度和特征区域的选择.
主要方法:
- 使用多尺度金字塔表示来从面部图像中提取突出点.
- 使用人类固定数据来指导在多尺度表示中选择相关点和尺度.
主要成果:
- 证明了一个多尺度的金字塔可以有效地提取面部分析的关键点.
- 表明人类的注意力模式可以成功地识别尺度和区域,从而实现更高的面部检测性能.
结论:
- 人类固定提供了一个生物学上可信和有效的方法来优化计算机视觉中的多尺度模型.
- 这项研究提供了一种新的方法,通过整合人类视觉注意力的原则来增强面部检测.
