deepinx/deep-face-alignment

🧠 Deep Face Alignment: Face Alignment 2D/3D Mạnh trên MXNet

Cài đặt MXNet cho face alignment 2D/3D với heatmap, hỗ trợ Hourglass và SAT, đạt NME thấp trên IBUG/COFW/300W/AFLW2000-3D.

Dự án deep-face-alignment cung cấp cách tiếp cận dựa trên heatmap để thực hiện face alignment 2D và 3D bằng Python và MXNet. Hai kiến trúc chính được hỗ trợ: Stacked Hourglass và Stacked Scale Aggregation Topology (SAT), kết hợp các khối như bottleneck residual, inception residual, HPM residual và CAB. Mô hình được đánh giá bằng NME trên các bộ dữ liệu IBUG, COFW, 300W (2D) và AFLW2000-3D (3D).

✨ Điểm nổi bật

• Stacked Hourglass & SAT: Hai kiến trúc mạnh cho face alignment 2D/3D.
• Các khối mạng linh hoạt: Hỗ trợ bottleneck, inception, HPM, CAB.
• Đánh giá NME chuẩn: Báo cáo lỗi trung bình chuẩn hóa trên IBUG, COFW, 300W, AFLW2000-3D.
• Mô hình tiền huấn luyện sẵn: Tải về và dùng thử ngay cho cả 2D và 3D.
• Dễ cấu hình: Định nghĩa loss-type, topology, dataset trong config.py.
• Hỗ trợ huấn luyện/test trên GPU: Tối ưu cho GTX 1080Ti.

💡 Vì sao đáng chú ý

Khác với các dự án chỉ hỗ trợ 2D, deep-face-alignment đồng thời cung cấp giải pháp cho cả face alignment 2D và 3D. Sử dụng heatmap giúp tăng độ chính xác và ổn định. Mô hình SAT2(d=3)-CAB đạt NME 5.618 trên 300W, trong khi Hourglass2(d=3)-CAB-3D đạt 3.005 trên AFLW2000-3D.

---

#FaceAlignment #DeepLearning #MXNet #ComputerVision #TiniX