Estudio sobre las técnicas de extracción de landmarks para la detección facial

Abstract

La detección facial es un campo de completa actualidad, con múltiples aplicaciones en el día a día. Ha sufrido un gran desarrollo en los últimos años, especialmente con la aparición de las redes neuronales convolucionales, consiguiendo un gran rendimiento detectando objetos y, más específicamente, caras humanas. Un paso fundamental dentro de la detección facial es la extracción de landmarks a partir de las salidas de las redes. Los landmarks, o puntos de interés, se deben obtener en base a los llamados heatmaps, o mapas de calor, que se consiguen de las ya mencionadas redes convolucionales. Este tipo de salidas, sin embargo, tienen una serie de problemas que es estudiarán y se tratarán de mejorar en este trabajo, como puede ser el Error de Cuantización. En el presente artículo se va a realizar un estudio de las diferentes técnicas de extracción de landmarks. Primero, con un modelo de base, se analizará el comportamiento de las salidas de forma profunda y se propondrá una posible mejora que aumenta la precisión a la hora de conseguir los puntos de interés. Después, para diferentes métodos de entrenamiento de la red, se tratará de buscar en un conjunto de paradigmas de obtención de landmarks el más óptimo para cada caso. El estudio realizado y los resultados obtenidos muestran que esta parte de la detección facial es crucial, que es vital escoger correctamente cómo se extraen los puntos y que las mejoras propuestas funcionan.---ABSTRACT---Facial detection is a completely hot topic, especially with the appearance of convolutional neural networks, achieving a great performance detecting objects and, more specifically, human faces. A fundamental step in facial detection is the extraction of landmarks from network outputs. The landmarks, also known as points of interest, must be obtained based on the so-called heatmaps, which are obtained from the aforementioned convolutional networks. This type of output, however, has some problems that will be studied and improved in this article, such as the Quantization Error. In this work, a study of the different extraction techniques of landmarks will be carried out. First, with a base model, the behavior of the outputs will be analyzed in depth and a possible improvement will be proposed that increases the precision when it comes to obtaining the points of interest. Then, for different network training methods, we will try to find the most optimal one for each case in a set of paradigms for obtaining landmarks. The study carried out and the results obtained show that this part of facial detection is crucial, that it is vital to choose correctly how the points are extracted and that the proposed improvements work.