Ч а с т ь I главный редактор
жүктеу/скачать 7,26 Mb. Pdf көрінісі
|
moluch 366 ch1
| .
# 24 (366) . June 2021 61 Technical Sciences ющей области (обнаружение прямоугольника лица). Затем де- тектор конкретных ключевых точек (68 лицевых ориентиров). В качестве эталонного изображения защитной маски была вы- брана одноразовая синяя маска. Для наслоения медицинской маски вручную были выделены 12 ключевых точек, образу- ющие область маски. На более поздних версиях алгоритма были определены че- тыре типа сопоставления маски с лицом для частных случаев, из которого три случая неправильного ношения маски. А именно маска, закрывающая нос, рот и подбородок (т. е. маска пра- вильно надетая), маска, закрывающая только нос и рот; маска, закрывающая только рот и подбородок, и маска подо ртом. Для каждого типа сопоставления маски с лицом сохраняется подм- ножество из 12 ключевых точек лица из 68 автоматически об- наруженных ориентиров; затем сопоставлены с 12 ключевыми точками маски. Таким образом, маска может соответствовать определенным участкам лица для каждого частного случая. Следовательно, для создания MaskedFace-Net была создана де- формируемая модель «маска на лице». Более того, каждый частный случай может иметь до 2 ключевых точек маски (среди 12 ключевых точек), местоположения которых случайным об- разом смещены по ограниченному периметру. В частности, этот допуск позволяет воздействовать на высоту маски на лице, ко- торый позволяет генерировать более реалистичные случаи но- шения маски, приближая набор данных к реальности. Таким образом, MaskedFace-Net также содержит большое количе- ство позиционируемых масок. Наконец, преобразование гомо- графии, основанное на заданном двухточечном соответствии ориентиров между изображением маски и изображением лица, применяется для отображения пикселей маски на целевые об- ласти лица. При использовании ручной фильтрации были удалены изо- бражений лиц, маска которых была неправильно отображена из-за неудачного обнаружения ориентира. Ошибочное обнару- жение ориентира происходит, когда видимость контуров лица ограничена (например, для лиц расположенных в профиль). Тем не менее, обнаружение и редактирование изображений, свя- занных с лицами, применяемые к набору данных FFHQ, оказа- лись очень эффективными, поскольку более 95% изображений FFHQ использовались для создания классов замаскированных лиц. В частности, некоторые лица FFHQ не были обработаны, поскольку из-за окклюзии лица (например, руки) обнаружение лица не удалось (прямоугольник лица был не обнаружен). За последнее время было опубликовано множество решений для обнаружения изображений лиц с масками. Одним из де- текторов лиц является RetinaFace, данная система использует небольшую эффективную сверхточную нейронную сеть Mo- bileNet и может определять замаскированные лица, основная (высокоточная) модель использует магистраль ResNet. Модель тестируется на выбранных подмножествах из наборов данных MAFA и Wider Face. Один из подходов для классификации ношения лицевых масок SRCNet. Подход включает в себя модель сверхвысокого разрешения изображения, которая позволяет обрабатывать лица с низким разрешением, и сеть классификации, которая предсказывает, замаскированы ли лица, без масок или если маски надеты неправильно. Сообщается, что точность предло- женной модели составляет 98%. Но данный метод эффективно решает проблему, исключительно на лицах с низким разреше- нием. За последнее десятилетие технология обнаружение лиц до- стигла значительного прогресса, в основном благодаря достиже- ниям в области глубокого обучения и сверхточных нейронных сетей (CNN). В результате большинство существующих совре- менных методов обнаружения лиц (SOTA) основаны на CNN и сегодня способны эффективно обнаруживать лица со слож- ными характеристиками и вариабельностью по позе, масштабу, освещению, от низкокачественных данных и при наличии раз- личных других мешающих факторов. Хотя обнаружение лиц изучается для лиц с различными окклюзиями, не было прове- дено достаточное количество исследований, посвященных из- учению характеристик обнаружения конкретно с маскирован- ными лицами. Также целесообразно разработать алгоритм, который мог бы различать различные типы защитных масок для лица. Существующие методы достаточно хорошо себя про- явили на автоматизированных контрольно-пропускных пун- ктах, где лицо человека фиксируется камерой на определенном установленном расстоянии и угле поворота. Рис. жүктеу/скачать 7,26 Mb. Достарыңызбен бөлісу:
|