Cascaded pose regression

最近再看face alignment的相關文章，目前比較流行的算法都是基於(Cascaded pose regression，CPR）[1]的框架上作的，該算法之因此流行的緣由是簡單高效。CPR分爲訓練和檢測兩個部分，首先介紹檢測流程：

face alignment的目的是估計向量face shape，該向量由組成，其中K表示landmark的個數，因爲每一個landmark有橫縱兩個座標，將全部的座標鏈接起來構成長度爲2K的向量即face shape。CPR檢測流程如上所示，一共有T個stage，在每一個stage中首先進行特徵提取f^t,這裏使用的是shape-indexed features，也可使用諸如HOG、SIFT等人工設計的特徵，或者其餘learning based features，能夠經過查閱最新的cvpr文章進行了解，而後經過訓練得倒的regressor R估計獲得upadate vector 即增量ΔS，把ΔS加到前一個stage的shape上獲得新的shape，這樣經過不斷的迭代便可以獲得最終的shape。我感受直白一些就是說經過不斷的遞歸，使初始的shape朝着ground truth shape不斷的靠近。

接下來是訓練流程

首先是輸入，N表示樣本的個數，I表示圖像，Si表示ground truth shape，剩下的那個參數表示initial shape，這個shape如何選取呢？從training data中隨機的選取20個其餘人臉的ground truth shape做爲樣本的initial shape 則訓練樣本的數量=原有的樣本個數×20，即data augmentation 目的是爲了enlarge training data和improve gengeralization ability。

接下來開始訓練，每一個stage中對於每一個樣本先經過ground truth shape與當前的shape相減計算得出ΔS，在第一個stage時，當前的shape爲initial shape，而後進行特徵提取得倒f^t，以後經過loss function選擇偏差最小的regressor，如何創建regressor和ΔS，就須要看paper了，好比SDM，LBF，ERT等等，我會在以後的博客中分享。

最後利用特徵f^t 和regressor得倒ΔS加到上一個stage的shape上獲得當前stage的shape，而後用於下一個stage的求解。

經過T個stage的訓練將全部的regressor保存起來用於檢測。

由上能夠看出CPR中主要的操做是向量相加，不只有效並且計算複雜度較低，因此近年來在face alignment中普遍應用。

參考文獻

[1]Dollár, P., Welinder, P., Perona, P.: ‘Cascaded pose regression’. Proc.
IEEE Conf. Computer Vision and Pattern Recognition, 2010