摘要

我们提出了一种基于深度卷积神经网络（CNN）的算法，用于同时进行人脸检测、特征点定位、姿态估计和性别识别。该方法称为HyperFace，通过一个独立的CNN融合深度CNN的中间层，随后采用一个多任务学习算法对融合后的特征进行操作。这种方法利用了各任务之间的协同效应，从而提升了每个任务的性能。此外，我们还提出了两种HyperFace的变体：(1) 基于ResNet-101模型的HyperFace-ResNet，在性能上取得了显著提升；(2) Fast-HyperFace，使用高召回率的快速人脸检测器生成区域提议，以提高算法的速度。大量实验表明，所提出的模型能够捕捉人脸中的全局和局部信息，并在上述四个任务中表现出显著优于许多竞争算法的性能。