您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 201708-97
论文题目 基于鲁棒损失函数的人脸关键点检测
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于鲁棒损失函数的人脸关键点检测

首发时间:2017-08-24

李依哲 1   

李依哲(1993-),男,硕士研究生,主要研究方向:模式识别与图像处理、立体视觉等

陈振学 1   

陈振学(1977-),男,博士,山东大学副教授,硕士生导师,目前研究方向为:生物特征识别与机器视觉、人脸识别与信息融合等.

  • 1、山东大学控制科学与工程学院,济南 250061

摘要:人脸关键点检测是一种对人脸识别至关重要的计算机视觉任务。L2损失通常应用于该任务的卷积神经网络(CNN)优化,但它会受到训练过程中异常值的严重影响,异常值定义为该样本估计与平均训练样本估计有极大偏差的情况。为了解决这个问题,本文提出了一种使用Tukey鲁棒损失函数的回归CNN模型,该鲁棒损失是M-estimators之一且实现了对异常值的鲁棒性。本文的方法与传统的L2损失相比,不仅具有更好的收敛值,而且训练过程中收敛速度更快。该方法也在两个公开数据集中显示出比目前较先进的方法很有竞争力甚至更好的结果。

关键词: 鲁棒损失 人脸关键点检测 M-estimator CNN 异常值

For information in English, please click here

Facial Keypoints Detection with Robust Loss Function

LI Yizhe 1   

李依哲(1993-),男,硕士研究生,主要研究方向:模式识别与图像处理、立体视觉等

CHEN Zhenxue 2   

陈振学(1977-),男,博士,山东大学副教授,硕士生导师,目前研究方向为:生物特征识别与机器视觉、人脸识别与信息融合等.

  • 1、School of Control Science and Engineering, Shandong University, Jinan 250061
  • 2、School of Control Science and Engineering, Shandong University

Abstract:Facial keypoints detection is a computer vision task which is essential for face recognition. L2 loss is commonly applied in the Convolutional Neural Networks (CNN) optimization of this task which is seriously affected by outliers in the training process (outlier in this context is defined by a sample estimation is an extreme deviation from the mean training sample estimations).To solve this problem, this paper propose a regression CNN model that use Tukey's bisquare function, one of the M-estimators achieve robustness to outliers, as the loss function. Our method shows not only better convergence value but also faster convergence rate in training process compare to traditional L2 loss. Our approach also shows comparable or better results than current state-of-the-art approaches in two publicly available datasets.

Keywords: Facial Keypoints Convolutional Neural Network Robust M-estimator Outlier

Click to fold

点击收起

论文图表:

引用

导出参考文献

.txt .ris .doc
李依哲,陈振学. 基于鲁棒损失函数的人脸关键点检测[EB/OL]. 北京:中国科技论文在线 [2017-08-24]. http://www.paper.edu.cn/releasepaper/content/201708-97.

No.4740625862381150****

同行评议

共计0人参与

评论

全部评论

0/1000

勘误表

基于鲁棒损失函数的人脸关键点检测