概述
1. 前言
最近，学了人脸关键点检测算法，发现一个比较好的人脸关键点检测模型，打算学一学，让我们来看看算法是如何实现的吧！
论文地址：https://arxiv.org/pdf/1902.10859.pdf
2. PFLD介绍
PFLD的全称是A Practical Facial Landmark Detector，论文提出在非限定条件下的具有理想检测精度的轻量级landmark检测模型，在移动设备上能达到超实时的性能。
PFLD采用辅助网络来估计人脸样本的集合信息。针对数据不平衡，设计新的损失函数，加大对难样本的惩罚力度。使用multi-scale fc层扩展感受野精确定位人脸的特征点。使用MobilenetV2 Block构建网络的Backbone提升模型的推理速度及减少模型的计算量。
2.1 PFLD网络结构
网络结构如下图所示。
其中，黄色圈起来的是PFLD是主干网络，也是主分支网络，用于预测关键的位置。主分支网络使用了普通卷积+MobilenetV2 Block+多尺度融合来增强网络的特征提取能力。
具体网络结构如下：
# ---------------------------- #
# 普通卷积
# ---------------------------- #
def conv_bn(filters, kernel_size, strides, padding='same'):
def _conv_bn(x):
x = Conv2D(filters=filters, kernel_size=kernel_size, strides=strides, padding=padding, use_bias=False)(x)
x = BatchNormalization()(x)
x = Activation('relu')(x)
return x
return _conv_bn
# ---------------------------- #
# 倒残差网络块
# ---------------------------- #
def InvertedResidual(filters, strides, use_res_connect, expand_ratio=6,name=''):
def _InvertedResidual(inputs):
x = Conv2D(filters=filters*expand_ratio, kernel_size=1, strides=1, padding='valid', use_bias=False)(inputs)
x = BatchNormalization()(x)
x = Activation('relu')(x)
x = DepthwiseConv2D(kernel_size=3, strides=strides, padding='same', use_bias=False)(x)
x = BatchNormalization()(x)
x = Activation('relu')(x)
x = Conv2D(filters=filters, kernel_size=1, strides=1, padding='valid', use_bias=False)(x)
x = BatchNormalization()(x)
if use_res_connect:
if name:
x = Add(name=name)([inputs, x])
return x
else:
x = Add()([inputs, x])
return x
else:
return x
return _InvertedResidual
def PFLDInference(inputs, is_train=True, keypoints=196):
inputs = Input(shape=inputs)
x = Conv2D(filters=64, kernel_size=3, strides=2, padding='same', use_bias=False)(inputs)
x = BatchNormalization()(x)
x = Activation('relu')(x)
x = Conv2D(filters=64, kernel_size=3, strides=1, padding='same', use_bias=False)(x)
x = BatchNormalization()(x)
x = Activation('relu')(x)
x = InvertedResidual(64, 2, False, 2)(x)
x = InvertedResidual(64, 1, True, 2)(x)
x = InvertedResidual(64, 1, True, 2)(x)
x = InvertedResidual(64, 1, True, 2)(x)
out1 = InvertedResidual(64, 1, True, 2)(x)
x = InvertedResidual(128, 2, False, 2)(out1)
x = InvertedResidual(128, 1, False, 4)(x)
x = InvertedResidual(128, 1, True, 4)(x)
x = InvertedResidual(128, 1, True, 4)(x)
x = InvertedResidual(128, 1, True, 4)(x)
x = InvertedResidual(128, 1, True, 4)(x)
x = InvertedResidual(128, 1, True, 4)(x)
x = InvertedResidual(16, 1, False, 2)(x)
x1 = AvgPool2D(pool_size=(14, 14))(x)
x1 = Reshape((x1.shape[1]*x1.shape[2]*x1.shape[3],))(x1)
x = conv_bn(32, 3, 2, padding='same')(x)
x2 = AvgPool2D(pool_size=(7, 7))(x)
x2 = Reshape((x2.shape[1]*x2.shape[2]*x2.shape[3],))(x2)
x3 = Conv2D(filters=128, kernel_size=7, strides=1, padding='valid')(x)
x3 = Activation('relu')(x3)
x3 = Reshape((x3.shape[1]*x3.shape[2]*x3.shape[3],))(x3)
multi_scale = Concatenate()([x1, x2, x3])
landmarks = Dense(keypoints, name='landmarks')(multi_scale)
if is_train:
out1 = AuxiliaryNet(out1)
return Model(inputs, [Concatenate(name='train_out')([landmarks,out1]), landmarks])
else:
return Model(inputs, landmarks)
2.2 辅助网络
如上图，绿色圈起来的部分是辅助网络的结构，其内部是卷积层+全连接层，用于在训练阶段关键点回归的同时预测人脸姿态，使得模型更加关注那些稀有以及姿态角度过大的样本，从而提高预测的精度。
该子网络对每一个输入的人脸样本进行三维欧拉角估计，它的Ground Truth由训练数据中的关键点信息进行估计，虽然估计不太精确，但是作为区分数据分布的依据已经足够了，因为这个辅助网络的目的是监督和辅助关键点检测主分支。另外需要注意的一点是，这个辅助网络的输入不是训练数据，而是PFLD主分支网络的中间输出（第4个Block）。
具体网络结构如下：
# --------------------------------- #
# 辅助网络，辅助网络用以监督PFLD网络模型的训练
# 该子网络仅在训练的阶段起作用，在推理阶段不起作用。
# --------------------------------- #
def AuxiliaryNet(inputs):
x = conv_bn(128, 3, 2)(inputs)
x = conv_bn(128, 3, 1)(x)
x = conv_bn(32, 3, 2)(x)
x = conv_bn(128, 7, 1)(x)
x = MaxPool2D(pool_size=(3, 3))(x)
x = Flatten()(x)
x = Dense(32)(x)
x = Dense(3, name='out1')(x)
return x
2.3 损失函数
RetinaNet中提出的Focal Loss可以较好的应对二分类中的数据不均衡情况，受到这一启发，作者设计了下面的损失函数来缓解数据不均衡的情况：
其中：
- ∑ c = 1 C w n c ∑ k = 1 K ( 1 − cos θ n k ) sum^{C}_{c=1}w^{c}_{n}sum^{K}_{k=1}(1-costheta^k_n) ∑c=1Cwnc∑k=1K(1−cosθnk)代表权重。
- θ 1 , θ 2 , θ 3 ( K = 3 ) theta^1,theta^2,theta^3(K=3) θ1,θ2,θ3(K=3)分别表示GT和Prediction在yaw、pitch、roll三种角度之间的偏差,其中pitch代表上下翻转，yaw代表水平翻转，roll代表平面内旋转，都表示人脸的一种姿态。
- C C C表示不同的类别的人脸: 正脸、侧脸、抬头、低头、表情以及遮挡情况， w n c w^c_n wnc根据样本类别分数进行调整，论文中使用的分数样本数的导数计算的。
- d n m d^m_n dnm由主分支网络计算得到， θ n k theta^k_n θnk由辅助网络计算得到，然后由Loss来建立联系。
import tensorflow as tf
import tensorflow.keras.backend as K
def PFLDLoss():
def _PFLDLoss(y_true, y_pred):
"""
y_pred: N 199
y_true: N 205
"""
train_batchsize = tf.cast(K.shape(y_pred)[0], tf.float32)
landmarks, angle = y_pred[:, :196], y_pred[:, 196:]
# ----------------------- #
# landmark_gt 标注点
# attribute_gt 6个属性。
# euler_angle_gt 三种角度 角度越大cos值越小，权重越大
# ----------------------- #
landmark_gt, attribute_gt, euler_angle_gt = tf.cast(y_true[:,:196], tf.float32),tf.cast(y_true[:,196:202], tf.float32),tf.cast(y_true[:,202:],tf.float32)
weight_angle = K.sum(1 - tf.cos(angle - euler_angle_gt), axis=1) # [8,]
"""
landmark_gt: N, 196
landmarks: N, 196
attribute_gt: N 6
euler_angle_gt: N 3
angle: N 3
"""
attributes_w_n = tf.cast(attribute_gt[:, 1:6], tf.float32)
mat_ratio = K.mean(attributes_w_n, axis=0)
N = K.shape(mat_ratio)[0]
mat_ratio = tf.where(mat_ratio>0, 1.0/mat_ratio, train_batchsize)
weight_attribute = K.sum(tf.matmul(attributes_w_n, K.reshape(mat_ratio, (N,1))), axis=1) # [8,1]
l2_distant = K.sum(
(landmark_gt - landmarks) * (landmark_gt - landmarks), axis=1)
return K.mean(weight_angle * weight_attribute *
l2_distant)
return _PFLDLoss
3. 代码预测效果
4. 数据集
地址：https://wywu.github.io/projects/LAB/WFLW.html
或者百度网盘：
链接：https://pan.baidu.com/s/1CyMGCIX_3m2W1kdk7oOcFA
提取码：fh3e
每个的坐标点位置如下图：
5. 代码下载仓库
github地址：https://github.com/hao-ux/PFLD-tf2
gitee地址：https://gitee.com/Hao_gg/pfld-tf2
最后
以上就是凶狠秀发为你收集整理的Tensorflow2实现人脸关键点检测算法PFLD——一个精度高，速度快，模型小的人脸关键点检测模型1. 前言2. PFLD介绍3. 代码预测效果4. 数据集5. 代码下载仓库的全部内容，希望文章能够帮你解决Tensorflow2实现人脸关键点检测算法PFLD——一个精度高，速度快，模型小的人脸关键点检测模型1. 前言2. PFLD介绍3. 代码预测效果4. 数据集5. 代码下载仓库所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
发表评论 取消回复