---

←上一篇↓↑下一篇→

3.1 目標(biāo)定位	回到目錄	3.3 目標(biāo)檢測(cè)

---

目標(biāo)點(diǎn)檢測(cè) (Landmark Detection)

上節(jié)課，我們講了如何利用神經(jīng)網(wǎng)絡(luò)進(jìn)行對(duì)象定位，即通過(guò)輸出四個(gè)參數(shù)值 $b_x、b_y、b_h$ 和 $b_w$ 給出圖片中對(duì)象的邊界框。更概括地說(shuō)，神經(jīng)網(wǎng)絡(luò)可以通過(guò)輸出圖片上特征點(diǎn)的 $(x,y)$ 坐標(biāo)來(lái)實(shí)現(xiàn)對(duì)目標(biāo)特征的識(shí)別，我們看幾個(gè)例子。

假設(shè)你正在構(gòu)建一個(gè)人臉識(shí)別應(yīng)用，出于某種原因，你希望算法可以給出眼角的具體位置。眼角坐標(biāo)為 ($x,y$) ，你可以讓神經(jīng)網(wǎng)絡(luò)的最后一層多輸出兩個(gè)數(shù)字 $l_x$ 和 $l_y$ ，作為眼角的坐標(biāo)值。如果你想知道兩只眼睛的四個(gè)眼角的具體位置，那么從左到右，依次用四個(gè)特征點(diǎn)來(lái)表示這四個(gè)眼角。對(duì)神經(jīng)網(wǎng)絡(luò)稍做些修改，輸出第一個(gè)特征點(diǎn)（ $l_{1x},l_{1y}$ ），第二個(gè)特征點(diǎn)（$l_{2x},l_{2y}$），依此類推，這四個(gè)臉部特征點(diǎn)的位置就可以通過(guò)神經(jīng)網(wǎng)絡(luò)輸出了。

也許除了這四個(gè)特征點(diǎn)，你還想得到更多的特征點(diǎn)輸出值，這些（圖中眼眶上的紅色特征點(diǎn)）都是眼睛的特征點(diǎn)，你還可以根據(jù)嘴部的關(guān)鍵點(diǎn)輸出值來(lái)確定嘴的形狀，從而判斷人物是在微笑還是皺眉，也可以提取鼻子周圍的關(guān)鍵特征點(diǎn)。為了便于說(shuō)明，你可以設(shè)定特征點(diǎn)的個(gè)數(shù)，假設(shè)臉部有64個(gè)特征點(diǎn)，有些點(diǎn)甚至可以幫助你定義臉部輪廓或下頜輪廓。選定特征點(diǎn)個(gè)數(shù)，并生成包含這些特征點(diǎn)的標(biāo)簽訓(xùn)練集，然后利用神經(jīng)網(wǎng)絡(luò)輸出臉部關(guān)鍵特征點(diǎn)的位置。

具體做法是，準(zhǔn)備一個(gè)卷積網(wǎng)絡(luò)和一些特征集，將人臉圖片輸入卷積網(wǎng)絡(luò)，輸出1或0，1表示有人臉，0表示沒(méi)有人臉，然后輸出（ $l_{1x},l_{1y}$ ）……直到（ $l_{64x},l_{64y}$ ）。這里我用 $l$ 代表一個(gè)特征，這里有129個(gè)輸出單元，其中1表示圖片中有人臉，因?yàn)橛?4個(gè)特征，64×2=128，所以最終輸出128+1=129個(gè)單元，由此實(shí)現(xiàn)對(duì)圖片的人臉檢測(cè)和定位。這只是一個(gè)識(shí)別臉部表情的基本構(gòu)造模塊，如果你玩過(guò)Snapchat或其它娛樂(lè)類應(yīng)用，你應(yīng)該對(duì)AR（增強(qiáng)現(xiàn)實(shí)）過(guò)濾器多少有些了解，Snapchat過(guò)濾器實(shí)現(xiàn)了在臉上畫皇冠和其他一些特殊效果。檢測(cè)臉部特征也是計(jì)算機(jī)圖形效果的一個(gè)關(guān)鍵構(gòu)造模塊，比如實(shí)現(xiàn)臉部扭曲，頭戴皇冠等等。當(dāng)然為了構(gòu)建這樣的網(wǎng)絡(luò)，你需要準(zhǔn)備一個(gè)標(biāo)簽訓(xùn)練集，也就是圖片 $x$ 和 $y$ 標(biāo)簽的集合，這些點(diǎn)都是人為辛苦標(biāo)注的。

最后一個(gè)例子，如果你對(duì)人體姿態(tài)檢測(cè)感興趣，你還可以定義一些關(guān)鍵特征點(diǎn)，如胸部的中點(diǎn)，左肩，左肘，腰等等。然后通過(guò)神經(jīng)網(wǎng)絡(luò)標(biāo)注人物姿態(tài)的關(guān)鍵特征點(diǎn)，再輸出這些標(biāo)注過(guò)的特征點(diǎn)，就相當(dāng)于輸出了人物的姿態(tài)動(dòng)作。當(dāng)然，要實(shí)現(xiàn)這個(gè)功能，你需要設(shè)定這些關(guān)鍵特征點(diǎn)，從胸部中心點(diǎn)( $l_{1x},l_{1y}$ )一直往下，直到( $l_{32x},l_{32y}$ )。

一旦了解如何用二維坐標(biāo)系定義人物姿態(tài)，操作起來(lái)就相當(dāng)簡(jiǎn)單了，批量添加輸出單元，用以輸出要識(shí)別的各個(gè)特征點(diǎn)( $x,y$ )的坐標(biāo)值。要明確一點(diǎn)，特征點(diǎn)1的特性在所有圖片中必須保持一致，就好比，特征點(diǎn)1始終是右眼的外眼角，特征點(diǎn)2是右眼的內(nèi)眼角，特征點(diǎn)3是左眼內(nèi)眼角，特征點(diǎn)4是左眼外眼角等等。所以標(biāo)簽在所有圖片中必須保持一致，假如你雇用他人或自己標(biāo)記了一個(gè)足夠大的數(shù)據(jù)集，那么神經(jīng)網(wǎng)絡(luò)便可以輸出上述所有特征點(diǎn)，你可以利用它們實(shí)現(xiàn)其他有趣的效果，比如判斷人物的動(dòng)作姿態(tài)，識(shí)別圖片中的人物表情等等。

以上就是特征點(diǎn)檢測(cè)的內(nèi)容，下節(jié)課我們將利用這些構(gòu)造模塊來(lái)構(gòu)建對(duì)象檢測(cè)算法。

課程板書

---

←上一篇↓↑下一篇→

3.1 目標(biāo)定位	回到目錄	3.3 目標(biāo)檢測(cè)

---

總結(jié)

以上是生活随笔為你收集整理的3.2 目标点检测-深度学习第四课《卷积神经网络》-Stanford吴恩达教授的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。