0
今天這個比賽，得從一個做程序猿的鏟屎官開始說起......
話說，有一天「鏟屎猿」早起之后，發(fā)現(xiàn)貓主子竟然沒了身影；他找啊找啊，找了好久，可仍然到處都沒找到貓主子。這時，客廳突然傳來了一聲貓叫，鏟屎猿循聲而至，只見沙發(fā)上躺著一個難以辨識的，「東西」？
這東西似貓又非貓，似狗又非狗，鏟屎猿眉頭一皺，發(fā)現(xiàn)事情并不簡單！難道這就是喵星人統(tǒng)治世界的第一步：隱藏身份，安能辨我是貓狗嗎？
笑話，我等人類豈非爾等貓輩能夠打?。幌氲酱颂?，鏟屎猿說道：「看來，是時候展現(xiàn)我猿真正的技術了——絕殺，關鍵點檢測技術！」
沒錯，鏟屎猿口中的關鍵點檢測技術，正是廣泛用于計算機視覺任務的基礎方法，即通過某些事物的特征關鍵點，對這些點進行捕捉與識別。
但別看它基礎，關鍵點檢測是人臉識別和分析領域中的關鍵一步，它是諸如自動人臉識別、表情分析、三維人臉重建及三維動畫等其它人臉相關問題的前提和突破口。
同時，在表情分析、異常行為檢測、美顏換裝，甚至是自動駕駛等圖像識別類應用領域，該技術也是不可替代的支撐。因此，有了這一技術，鏟屎猿就能夠設計相應的方案，對這些「狡猾的」喵喵們進行身份確認了~
那要怎樣運用這一技術呢？鏟屎猿在研究過程中，借鑒了人臉識別的三種方法，它們分別是基于模型的 ASM 方法、基于級聯(lián)形狀回歸的 CNN 回歸法以及基于深度學習的方法。
一、ASM 人臉識別
該方法也被稱為采用主動形狀模型（Active Shape Model，簡稱 ASM）的方法，這是較早出現(xiàn)的關鍵點檢測方法，與大多數(shù)統(tǒng)計學習方法類似，包括了 rain 和 test 兩部分。
它會對不同形狀進行計算機自動標定、校準，運用主成分分析法獲取不同形狀的模型，然后將模型與實際圖形進行灰度匹配，提取像素數(shù)目比等特征參數(shù)，從而實現(xiàn)人臉識別。
可參考文獻：
二、 CNN 回歸法
此種方法屬于基于級聯(lián)回歸的人臉檢測方法。由于卷積神經(jīng)網(wǎng)絡可以用于分類和回歸任務，通過利用卷積神經(jīng)網(wǎng)絡，將訓練圖像劃分到多個類別，再采用多層級進行訓練，從而對提取的面部關鍵點，如：左眼、右眼、鼻子、嘴巴進行檢測。
值得注意的是，卷積神經(jīng)網(wǎng)絡當用于做回歸任務時，最后一個全連接層的輸出維度則是要回歸的坐標值的個數(shù)，同時，其采用的是也歐幾里何損失 Euclidean Loss。
可參考文獻：
https://github.com/zhaoyuzhi/Deep-Convolutional-Network-Cascade-for-Facial-Point-Detection
三、深度學習方法
隨著神經(jīng)網(wǎng)絡的迅速發(fā)展和其對圖像數(shù)據(jù)的強大的特征提取，深度學習運用于人臉識別也取得了很好的效果。其中，LFW 數(shù)據(jù)集（Labeled Faces in the Wild）是目前用得最多的人臉圖像數(shù)據(jù)庫。
該方法的核心內容為首先將圖片中的人臉檢測處理并通過關鍵點進行對齊，然后通過一定方法將得到的關鍵點數(shù)據(jù)輸入到神經(jīng)網(wǎng)絡，得到特征向量，再之后利用分類訓練過程，則可得到人臉的特征向量。
參考論文：
研究清楚關鍵點檢測的技術原理之后，鏟屎猿將人臉的關鍵點換為了貓臉的關鍵點，包括：貓眼睛、鼻子、嘴巴、耳朵等特征；經(jīng)過一系列實驗，終于開發(fā)出了可用于檢測貓臉的方法。貓臉檢測后的效果如下：
同時，這一工具不光可以對貓的身份進行了檢測確認，同時它還設計了更多貼心的功能，可以檢測咪咪的毛發(fā)、五官神態(tài)、精神狀態(tài)等，從而更好的了解咪咪的健康狀況。
除此之外，鏟屎猿還計劃將來能夠開發(fā)出檢測咪咪活動、進食、玩耍、如廁等數(shù)據(jù)的工具，等到那時，咪咪們可就不能造反了哦~
但令鏟屎猿萬萬沒想到的是，在能夠確認自家咪咪身份的時候，喵星人危機已經(jīng)大量爆發(fā)于世界各地。
為了防止世界被破壞，為了維護世界的和平，AI 研習社（https://god.yanxishe.com/）特邀天下程序猿星人，共同開發(fā)識別性能更強、準確度更高的貓臉檢測工具，來讓這些待識別的貓主子被認領回家~
本次大賽「貓臉關鍵點檢測」的目標是檢測貓臉的 9 個關鍵點。相關的數(shù)據(jù)集訓練集有 10468 張，測試集 9526 張。其中訓練集每張圖都對喵喵的 9 個關鍵點進行了標注，標注信息為坐標信息。
開始時間：2019-12-19 09:00:00
結束時間：2020-01-18 00:00:00
大賽還提供了免費云訓練 GPU 資源，以及基礎獎金池為 2000 元哦~比賽一共設置了三種獎項，包括了：參與獎（30%）、突破獎（20%）、排名獎（50%）。
三種獎項互不沖突，拯救地球的同時，再賺他個千來塊，豈不是也能買好多杯奶茶了呢！
數(shù)據(jù)集下載鏈接：
最終提交結果文件如下所示，其中，第一個數(shù)據(jù)為測試集圖片 ID（即文件名）；后面的 18 個數(shù)據(jù)為 9 個關鍵點（每個關鍵點對應兩個數(shù)據(jù)），每一行共包含 19 個數(shù)據(jù)。
Ps：建議使用 UTF-8 編碼，提交前請確認結果文件預測樣本數(shù)量共計 9526 條，因為數(shù)量不足可能導致無法評分哈~
整個比賽的評審完全透明化，我們將會對比選手提交的結果文件，按照如下公式計算得分，其中：
MAE：平均絕對誤差，可以更好地反應預測與實際結果的誤差情況。
每日 24:00，我們也會將最新結果更新在官網(wǎng)排行榜上。是貓還是狗，你說了算！
更多信息，可進入?yún)①愔黜摬榭?，快讓你的大名出現(xiàn)在拯救地球榜單上吧：
雷鋒網(wǎng) AI 開發(fā)者 雷鋒網(wǎng)雷鋒網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。
