免费论文查重认准CNKI论文查重，专为高校论文检测、毕业论文查重、硕士论文查重诞生的论文检测入口平台，CNKI论文查重系统涵盖海量的数据库，为毕业生解决各种烦恼，论文查重软件免费为各种有论文检测、论文查重需求的人提供，论文查重认准CNKI查重！
发布时间：2023-03-21 16:12:18 作者：知网小编 来源：www.it54.cn
作者认为人脸检测和人脸关键点检测两个任务之间往往存在着潜在的联系，然而大多数方法都未将两个任务有效的结合起来，本文为了充分利用两任务之间潜在的联系，提出一种多任务级联的人脸检测框架，将 人脸检测和人脸关键点检测 同时进行。 MTCNN 包含三个级联的多任务卷积神经网络，分别是 Proposal Network (P-Net)、Refine Network (R-Net)、Output Network (O-Net) ，每个多任务卷积神经网络均有三个学习任务，分别是 人脸分类、边框回归和关键点定位 。
该论文由港中文的孙祎、王晓刚、汤晓鸥提出，应该是最早使用 CNN 进行人脸关键点检测的论文之一了。 在论文中，作者设计了 Three-level cascaded CNNs 用于人脸关键点检测（5 Points）：Left Eye Center (LE)，Right Eye Center (RE)，Nose Tip (N)，Left Mouth Corner (LM)，Right Mouth Corner (RM)。 在模型的各个 level 中，模型会对各个人脸关键点做多次预测，取其平均值。
常见的人脸关键点检测算法中，其损失函数一般都是 L2 Loss（如下图左侧所示，其中的 用来控制各个关键点的权重）。 作者考虑到现有数据集中极端情况的样本数量少，故对旋转角度大的样本给予更大的 Loss 权重（如下图右侧所示，），以此缓解所存在的数据样本分布不平衡的问题。
在该篇论文中，作者将人脸关键点（68 Facial Landmarks）分为 Inner Points（人脸五官区域的特征点） 和 Contour Points（人脸轮廓的特征点），并分开进行预测。 此外，作者对于 Inner Points 的预测过程中，按照五官区域进行划分，对各个区域的特征点进行微调。 之所以作者按照五官区域进行划分，是因为不同区域的关键点的预测难度不同（如下图左侧所示），一起进行预测效果不好；将 Inner Points 和 Contour Points 分开预测，是因为 Contour Points 的预测难度大于 Inner Points（如下图右侧所示）。 此外，作者也指出之所以预测 Contour Points 的分支没有第三、四层网络，是受运行时间的限制。
