北邮提出用于“发型推荐”的鲁棒性大规模数据集:CelebHair

编译:CV君

#数据集##发型推荐#

CelebHair: A New Large-Scale Dataset for Hairstyle Recommendation based on CelebA

北邮提出用于“发型推荐”的鲁棒性大规模数据集:CelebHair

CelebHair 框架图

作者称 CelebHair 是第一个包含发型、脸型和各种人脸属性的鲁棒性大规模数据集。其他现有的数据集都存在缺陷,比如只有一个性别,或者除了发型之外只包含很少的特征。

北邮提出用于“发型推荐”的鲁棒性大规模数据集:CelebHair

CelebHair 数据集是直接从 CelebA 数据集中继承了大约 20万 张人脸图像,以及一些发型相关的人脸属性。除此之外,还根据以下三个原则进行收集:

1)对于鼻子长度和瞳孔距离等特征的提取,采用 Dlib 提供的人脸关键点检测算法,然后通过代数计算对其进行变换和离散。

北邮提出用于“发型推荐”的鲁棒性大规模数据集:CelebHair

六十八个人脸关键点

2)对于人脸形状分类方面,利用 YOLO v4 的预训练网络,以及 Kaggle 上公开的人脸形状数据集,对其进行微调,并定制成人脸形状分类器。

3)对于发型分类,是基于训练数据集 Hairstyle30k,构建一个具有空间变换子结构的深度卷积神经网络进行发型分类

北邮提出用于“发型推荐”的鲁棒性大规模数据集:CelebHair

CNN发型分类架构图

并对所建立的数据集进行了详尽实验,形成了从 hairstyle recommendation(发型推荐)到 hairstyle try-on(发型试穿)的适用框架。反过来也证明了CelebHair 数据集的鲁棒性和可用性。

北邮提出用于“发型推荐”的鲁棒性大规模数据集:CelebHair

hairstyle try-on(发型试穿)过程

作者 | Yutao Chen, Yuxuan Zhang, Zhongrui Huang, Zhenyao Luo, Jinpeng Chen

单位 | 北京邮电大学

论文 |
https://arxiv.org/abs/2104.06885

转载请注明:《北邮提出用于“发型推荐”的鲁棒性大规模数据集:CelebHair