锐客网

  1. 首页 > 睿知 > >

人脸算法最佳综述 人脸检测综述

生活知识睿知

人脸检测综述(最佳人脸算法综述)
作者辛西娅·亚温
介绍在过去的一年里，计算机视觉领域出现了许多优秀的作品，推动了相关领域的技术发展和进步 。
注:文章会在Github上同步更新 。欢迎来到star/fork:https://github . com/extreme-assistant/survey-computer-vision 。
概述一端到端深度人脸识别的要素:近期进展综述题目:端到端深度人脸识别原理:最新进展综述作者:杭杜，链接:
本文综述了371篇相关文献 。
随着深度卷积神经网络和大规模数据集的最新发展，深度人脸识别取得了显著进展，并在实际应用中得到广泛应用 。给定自然图像或视频帧作为输入，端到端深度人脸识别系统将输出面部特征进行识别 。因此，整个系统通常由三个关键要素组成:人脸检测、人脸预处理和人脸表示 。这三个要素都是通过深度卷积神经网络实现的 。随着蓬勃发展的深度学习技术极大地提高了它们的能力，本文全面综述了端到端深度人脸识别各个要素的最新进展，并回顾了基于深度学习的各个要素的进展，涵盖了最新算法设计、评价指标、数据集、性能比较、存在的挑战和未来有前途的研究方向等多个方面 。
端到端深度人脸识别系统的标准流水线
典型人脸检测方法的发展；
概述2人脸图像质量评估:一个文献综述标题:人脸图像质量评估文献综述作者:Torsten Schlett，Christoph Busch链接:https://arxiv.org/abs/2009.01103
本文综述了173篇相关文献 。
人脸分析和识别系统的性能取决于采集到的人脸数据的质量，而人脸数据的质量受多种因素的影响 。因此，根据生物特征效用自动评估面部数据的质量以过滤掉低质量的数据是有用的 。本文总结了面部生物特征技术框架下的面部质量评估文献，重点关注基于可见波长面部图像的面部识别，而不是例如深度或红外质量评估 。观察基于深度学习的方法的趋势，包括最近方法之间的显著概念差异 。
典型的FQA流程:对人脸图像进行预处理，然后应用FQA输出标量质量分数，并据此做出决策 。
概述3人工智能在热情绪识别中的应用:对标准设计和数据中的问题和局限性的评论标题:人工智能在热情识别中的应用:对标准设计和数据中的问题和局限性的评论
随着对新冠肺炎筛查的热成像越来越多的关注，公共部门可能会认为有新的机会将热用作计算机视觉和人工智能的一种方式 。热物理学的研究从90年代末就开始了 。这项研究位于医学、心理学、机器学习、光学和情感计算的交汇点 。本文综述了热成像和RGB成像用于面部表情识别的已知因素 。热成像可能为RGB上的计算机视觉提供一种半匿名的方式，这种方式一直受到面部识别中滥用的困扰 。然而，要使用热图像作为任何以人为中心的人工智能任务的来源，这种转变并不容易，它取决于跨多个人口统计数据的高保真数据源的可用性和全面验证 。本文简要回顾了热FER的机器学习以及为人工智能训练收集和开发热FER数据的局限性 。
静态(向上)和疲劳(向下)面部的RGB、近红外和热图像 。在热图像中，较暗的像素对应较冷的像素，较亮的像素对应较热的像素 。
长波红外的波长范围是8米到15米；
概述4通用消费设备RGB摄像头人脸识别反欺骗方法综述标题:通用消费设备RGB摄像头人脸识别反欺骗方法综述作者:祖恒明，Jean-Christophe Burie链接:https://arxiv.org/abs/2010.04145
本文综述了191篇相关文献 。
基于面部识别的生物识别系统的广泛部署使得面部表情攻击检测(面部反欺骗)成为日益重要的问题 。本文深入研究了近二十年来只需要普通消费类设备的RGB相机的面部表情攻击检测(PAD)方法 。介绍了现有的面向攻击场景的人脸衬垫方法的类型，综述了50多种最新的人脸衬垫方法及其相关问题，描述了人脸衬垫领域的主要挑战、演变和当前趋势，并为其未来的研究提供了见解 。
面部表情攻击的类型
每种PAD方法子类型都设计用于检测呈现攻击(PA)的类型 。
基于局部rPPG相关方法的框架；
概述5面部微表情分析综述:数据、方法与挑战题目:面部微表情分析综述:数据、方法与挑战 。作者:谢红霞，罗玲，洪，黄文成链接:https://arxiv.org/abs/2012.11307
本文综述了205篇相关文献 。
面部微表情代表情感交流过程中短暂而细微的面部动作 。与宏观表达相比，微观表达的分析由于时间跨度短、粒度变化小而更具挑战性 。近年来，微表情识别引起了人们的广泛关注，因为它有广泛的应用前景，如警察审讯、临床诊断、抑郁分析和商务谈判等 。本文提供了一个新的综述来讨论MER任务的新的研究方向和挑战 。本文从从宏观到微观的适应、基于关键顶点帧的识别和基于面部动作单元的识别三个新的方面对MER方法进行了综述 。此外，为了缓解微表情数据有限和有偏的问题，研究了复合数据的生成，以丰富微表情数据的多样性 。
本次调查的组织结构基于总体MER管道:
2D CNN和3D CNN的组合结构及其在中国科学院海洋研究所的应用:
概述六基于未标定图像的三维人脸重建技术综述标题:基于未标定图像的三维人脸重建技术综述作者:Araceli Morales，Federico M. Sukno链接:https://arxiv.org/abs/2011.05740
本文综述了203篇相关文献 。
近来，将3D数据集成到面部分析及其应用中受到了极大的关注 。虽然它提供了更精确的面部表示，但是3D面部图像的获取比2D照片更复杂 。在投入大量精力开发系统后，这些系统可以从未校准的2D图像中重建3D人脸 。但是从3D到2D的人脸重建问题并不适合，需要先验知识来限制求解空 。本文回顾了近十年来的三维人脸重建方法，重点介绍了仅使用在非受控条件下拍摄的2D图像的方法 。本文基于添加先验知识的技术对已提出的方法进行了分类，考虑了三种主要策略，即统计模型拟合、光度学和深度学习，并分别进行了评述 。此外，鉴于统计三维人脸模型作为先验知识的相关性，本文还解释了构建过程，并提供了公开可用的三维人脸模型的完整列表 。
3DMM的可用功能:
概述7深度假货和其他:一项关于面部操纵和假货检测的调查标题:深度假货:一项关于面部操纵和假货检测的调查作者:鲁本·托洛萨纳，哈维尔·奥尔特加-加西亚链接:https://arxiv.org/abs/2001.00179
本文综述了105篇相关文献 。
本文综述了人脸图像处理技术(包括深度伪造方法)和检测这种技术的方法 。本文讨论了四种类型的面部操作:全脸合成、面部身份交换(DeepFakes)、面部属性操作和面部表情操作 。
各面部手术组的真假例子:
概述8基于深度学习的单样本人脸识别研究综述标题:基于深度学习的单样本人脸识别研究综述作者:陈德龙，李链接:
本文综述了62篇相关文献 。
在某些实际情况下，训练集中的每个身份只有一个样本 。这种情况被称为每人单样本(SSPP)，这对有效的训练深度模型提出了很大的挑战 。为了解决这个问题，释放深度学习的全部潜力，近年来提出了许多基于深度学习的SSPP人脸识别方法 。对传统的基于SSPP的人脸识别方法进行了一些全面的研究，但很少涉及新的深度学习方法 。本文针对这些深层方法，将其分为虚拟样本法和一般学习法 。在虚拟样本方法中，将生成虚拟人脸图像或虚拟人脸特征，以便于深度模型的训练 。在一般学习方法中，使用附加的多样本一般集合 。在常规学习方法的分析中，涉及到传统方法与深度特征的结合、损失函数的改进和网络结构的改进 。
研究领域之间的关系:
虚拟人脸图像及特征生成方法示意图；
概述9遮挡情况下的人脸识别技术综述题目:遮挡情况下的人脸识别技术综述作者:https://arxiv.org/abs/2006.11366丹增
本文综述了193篇相关文献 。
遮挡情况下人脸识别能力有限是一个由来已久的问题，对人脸识别系统乃至人类都提出了独特的挑战 。相比其他挑战(比如姿势变化，表情不同等 。)，与咬合相关的问题不在研究范围内 。然而，遮挡人脸识别对于充分发挥人脸识别在实际应用中的潜力非常重要 。本文将研究范围限制在遮挡人脸识别上 。首先讨论了什么是遮挡问题，会出现哪些固有的困难，并介绍了人脸识别的第一步遮挡人脸检测 。其次，本文介绍了现有的人脸识别方法是如何解决遮挡问题的，并将其分为三类，即1)遮挡鲁棒特征提取方法，2)遮挡感知人脸识别方法，3)基于遮挡恢复的人脸识别方法 。
OFR涉及不同的遮挡人脸识别测试场景:
概述10生物特征质量:FaceQnet在人脸识别中的回顾和应用题目:生物特征质量:faceqnet在人脸识别中的应用作者:https://arxiv.org/abs/2006.03298哈维尔·埃尔南德斯-奥特加
本文综述了53篇相关文献 。
"计算机系统的输出只能和输入信息一样准确."这个相当琐碎的陈述是生物识别的驱动概念之一的基础:生物识别质量 。如今，质量已被广泛认为是决定自动生物特征识别系统性能的首要因素 。这些算法在系统的正确运行中发挥着重要作用，向用户提供反馈，并作为有价值的审计工具 。尽管它们被一致接受，但是在这些方法的发展中缺少一些最常用和最广泛使用的生物学特征 。本文通过开发FaceQnet解决了对更好的人脸质量测量的需求 。FaceQnet是一种新颖的开源人脸质量评估工具，受深度学习技术的启发和支持 。该工具将标量质量度量分配给人脸图像，以预测其识别准确性 。NIST对工作和独立两个版本的FaceQnet进行了综合评估，显示了这种方法的合理性和相对于最新技术指标的竞争力 。
2019年NIST组织的FRVT-QA活动结果的简短总结，用于评估面部质量指标 。：
复习11人脸识别攻击的威胁:一项全面的调查标题:反击人脸识别攻击的威胁:Fatemeh Vakhshiteh，Ahmad Nick Abadi的评论链接:https://arxiv.org/abs/2007.11709
人脸识别(FR)系统已经表现出优异的验证性能，这表明它适合于现实世界的应用，从社交媒体中的照片标记到自动边界控制(ABC) 。然而，在基于深度学习的架构的高级FR系统中，仅仅提高识别效率是不够的，系统还应该承受为其熟练程度而设计的潜在攻击 。最近的研究表明,(深度)FR系统对难以察觉或可察觉但看起来自然的输入图像表现出令人着迷的脆弱性，这使得模型无法正确预测输出 。本文对对抗FR系统的攻击进行了全面的研究，并详细阐述了对抗这些系统的新的对抗手段的能力 。
旨在欺骗FR系统的对抗攻击方法的一般分类；
概述12跨种族人脸反欺骗识别挑战:一个综述题目:跨种族人脸反欺骗识别挑战:一个综述作者:刘阿健，李链接:
本文综述了47篇相关文献 。
最近，以测量种族偏见为目的的多种族面部反欺骗数据集CASIA-SURF CeFA已经发布 。它是最大、最新的跨种族面部反欺骗数据集，涵盖3个种族、3种形式、1607个主题和2D加3D攻击类型，是最近发布的面部反欺骗数据集中第一个包含显性种族标签的数据集 。本文围绕这一新的资源组织了Chalearn Face反欺骗攻击检测挑战，该挑战由单模(如RGB)和多模(如RGB、深度、红外(IR))轨迹组成，旨在促进种族偏见的研究，旨在缓解这种情况 。在开发阶段，两条赛道都吸引了340个团队 。最后，在单模和多模面部反欺骗识别挑战中，分别有11支和8支队伍提交了他们的代码 。所有结果都经过组委会验证和重新运行，结果用于最终排名 。本文概述了这一挑战，包括其设计、评估协议和结果总结 。
9支车队在多模式赛道上的ROC 。从左至右是协议4_1、4_2和4_3的roc:
面向人脸反欺骗的多任务网络体系结构:
概述十三深层伪装的产生和检测:一项调查标题:深层伪装的产生和检测:综述作者:伊索尔·米尔斯基，柯文·李链接:https://arxiv.org/abs/2004.11138
本文综述了193篇相关文献 。
生成式深度学习算法已经发展到真假难辨的地步 。2018年，人们发现这种技术非常容易被用于不道德和恶意的应用，如传播错误信息，冒充政治领导人和诽谤无辜的人 。此后，这些“深度诈骗”有了很大进展 。在本文中，我们讨论了Deepfake的创建和检测，并深入介绍了这些体系结构是如何工作的 。这项调查的目的是让读者了解(1)如何创建和检测深度欺诈；(2)该领域的当前趋势和进展；(3)当前防御解决方案的缺点；(4)需要进一步研究和关注的领域 。
Deepfake信息信任表:
对抗性机器学习和deepfake的区别；
【人脸算法最佳综述 人脸检测综述】以上是2020年发表的医学影像方向综述论文的总结 。如有遗漏和不足，请在评论区补充您的建议 。

    推荐阅读


    上一篇：吃什么能改善脱发 吃什么防止脱发

    下一篇：女性类风湿早期症状有哪些 如何治疗风湿性关节炎