matlab嘴部检测代码通过全卷积局部全局上下文网络进行鲁棒的面部地标检测 面部标志用于定位和代表面部的显着区域，例如：眼睛，眉毛，鼻子，嘴巴，下颚 挑战：不同的形状，姿势，光照条件，遮挡物等。 界标检测的用途：人脸对齐，头部姿势估计，人脸交换，眨眼检测等等。 以下是iPython Notebook的论文实现： 通过全卷积局部全局上下文网络进行稳健的面部地标检测，国际计算机视觉与模式识别会议（CVPR）的会议记录，IEEE，2018年-Daniel Merget，Matthias Rock，Gerhard Rigoll 关联： 代码是用Brainscript编写的，还使用Microsoft CNTK和Python进行了后期处理，并使用了Matlab。 可以找到代码和其他详细信息。 本文重要提示 完全卷积神经网络擅长于对局部特征进行建模，但会导致受约束的接收场（局部上下文）。 为了克服这个问题，可以采用多种方法：级联/池化等。本文提出了一种新的方法，该方法使用逐通道/内核卷积和膨胀卷积（全局上下文）来实现相同的精度，而不是几种SOTA方法。 它将全局上下文直接引入到全卷积神经网络中。 主

在通过嘴部进行人机交互的场景下，外界光线变化、小目标检测的复杂性、检测方法的不通用性等因素给不同场景下嘴部的识别带来了很大困难.该文以不同场景下的人脸图像为数据源，提出了一种基于改进Faster R-CNN的人脸嘴部识别算法.该方法在Faster R-CNN框架中结合多尺度特征图进行检测，首先将同一卷积块不同卷积层输出的特征图结合，然后对不同的卷积块按元素进行求和操作，在输出的特征图上进行上采样得到高分辨率的表达能力更强的特征，从而提高了嘴部这种小目标的检测性能.在网络训练试验中运用多尺度训练和增加锚点数量增强网络检测不同尺寸目标的鲁棒性.实验表明，相比于原始的Faster R-CNN，对嘴部的检测准确率提高了8%，对环境的适应性更强.