University of Oulu

Real-time face alignment : evaluation methods, training strategies and implementation optimization

Saved in:
Author: Álvarez Casado, Constantino1
Organizations: 1University of Oulu, Faculty of Information Technology and Electrical Engineering, Computer Science
Format: ebook
Version: published version
Access: open
Online Access: PDF Full Text (PDF, 103.6 MB)
Pages: 106
Persistent link: http://urn.fi/URN:NBN:fi:oulu-202012183406
Language: English
Published: Oulu : C. Álvarez Casado, 2020
Publish Date: 2020-12-18
Thesis type: Master's thesis
Tutor: Bordallo Lopez, Miguel
Reviewer: Bordallo Lopez, Miguel
Description:

Abstract

Face alignment is a crucial component in most face analysis systems. It focuses on identifying the location of several keypoints of the human faces in images or videos. Although several methods and models are available to developers in popular computer vision libraries, they still struggle with challenges such as insufficient illumination, extreme head poses, or occlusions, especially when they are constrained by the needs of real-time applications. Through this thesis, we propose a set of training strategies, optimization techniques, and an extended set of evaluation metrics that help in improving all kinds of real-time face alignment models. The results show that the generated models using these techniques are faster, smaller, more accurate, more robust in specific challenging conditions, smoother in tracking systems, more energy-efficient, and with a smaller impact in the overheating of the devices. In addition, the techniques show to be applicable across different types of devices and algorithms, making them versatile in both academic and industrial uses.

Reaaliaikainen kasvojenkohdistus : arviointimenetelmät, koulutusstrategiat ja toteutuksen optimointi

Tiivistelmä

Kasvojen kohdistus on tärkeä osa useimmissa kasvojen analysointijärjestelmissä. Se keskittyy tunnistamaan ihmisten kasvojen avainkohtien sijainnin kuvissa ja videoissa. Vaikka kehittäjien käytettävissä on useita menetelmiä ja malleja suosituissa tietokonenäkökirjastoissa, he kamppailevat silti sellaisten haasteiden kanssa kuin riittämätön valaistus, äärimmäiset pään asennot tai näköesteet, varsinkin kun reaaliaikaisten sovellusten tarpeet rajoittavat niitä. Tämän opinnäytetyön avulla esitämme joukon koulutusstrategioita, optimointitekniikoita ja laajennettuja arviointimittareita, jotka auttavat parantamaan reaaliaikaisia kasvojen kohdistuksen malleja. Tulokset osoittavat, että näitä tekniikoita käyttävät mallit ovat nopeampia, pienempiä, tarkempia, kestävämpiä erityisen haastavissa olosuhteissa, tasaisempi seurantajärjestelmissä, energiatehokkaampi ja pienempi vaikutus laitteiden lämpenemiseen. Lisäksi tekniikat osoittavat olevan sovellettavissa erityyppisiin laitteisiin ja algoritmeihin, mikä tekee niistä monipuolisia sekä akateemisessa että teollisessa käytössä.

see all

Subjects:
Copyright information: © Constantino Álvarez Casado, 2020. This publication is copyrighted. You may download, display and print it for your own personal use. Commercial use is prohibited.