PFLD总结

PFLD算法是我今年8月复现的,当时没有写总结,现在补上.

网络设计

  PFLD的模型相对简单,但是想法的确挺不错的.首先使用一个mobilenet或者别的网络做backbone,和传统的目标检测模型相同,抽取三个不同层次的feature map并汇总作为landmark输出,并且从网络中再抽取一个feature map用于预测euler angles.

标签制作

这里的制作label时会计算当前整个batch的样本数量,并根据人脸的属性类别去计算属性权重attribute_weight,然后就是归一化的landmark与euler angles.

损失计算

标签中包含landmark、euler angles、attribute weight，预测结果包含pred_landmark、pred euler angles。对于landmark的回归直接mse，对于euler angles的回归为\(1-\cos(\text{abs}(true\ eular-pred\ eular))\)

推理

推理就直接把所有landmark乘上输入图像大小就好了。