该团队还训练了人脸分析网络和标签适配网络以解决合成标签和人工标注标签之间的系统差异

你相信吗现在训练数据也合成了

而且人脸分析任务的准确率也不如真实数据这是微软团队的最新研究，论文题目已经说明了一切

假装直到你成功。

本文将程序生成的三维人脸模型与合成数据库相结合，对图像进行训练因此，在人脸分析等任务中，效果相当于真实数据

研究人员表示，他们为无法人工标注的地方开辟了新的方法。

以后真的要告别手工贴标了吗。

如何实现。

为了使人脸数据集更加多样化和丰富化，人脸数据集的采集和标注越来越困难。

更不用说，收集，如网络爬行，可能会带来重大的隐私和版权问题但是，手动标签很容易导致错误或标签不一致

因此，研究团队考虑使用合成数据来增加或替换真实数据可是，以前人脸模型由于其复杂性很难实现

那么这次是怎么发生的呢。

第一步是用程序生成合成脸，包括身份，表情，面部纹理，发型和衣服，以及不同光线环境下的效果。

所有这些数据都是独立采样的，并提前手动去除噪声，以确保创造出更多样化的个体。

比如在人脸模型上，就是这样~

还有衣服，是服装设计师和仿真软件设计师手工制作的总共有30套各种各样的衣服

还包括头饰，口罩，眼镜。

此外，标签是合成的。

然后，在训练阶段，研究人员创建了一个分辨率为512 512的10万张图像的数据集，并对数据进行了增强，共享150个NVIDIA M60 GPU进行了48小时的渲染。

此外，该团队还训练了人脸分析网络和标签适配网络，以解决合成标签和人工标注标签之间的系统差异。

最后，人脸分析，地标定位等任务的效果与使用真实数据的其他模型相当。

可是，研究人员也承认这项技术仍然有一些局限性。

比如人脸模型只有头和脖子，无法模拟真实的皱纹当人脸随机匹配时，会得到一些不合理的人脸，比如有胡子的女性

在接下来的工作中，他们计划解决这些限制。

好的，感兴趣的朋友可以戳一下下面的论文链接~

纸质链接:

郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。