earticle

영어

This study introduces the Efficient Facial Landmark Detection (EFLD) model, which combines state-of-the-art network design and innovative loss methods to respond to various challenges arising from real facial images. EFLD presents methods to solve the problem of imbalance in learning data as well as global and local variations within faces. EFLD outperforms existing methods in terms of efficiency, accuracy, and compactness, achieving state-of-the-art results on standard benchmarks while requiring significantly fewer resources in terms of model size and processing speed. Extensive testing on datasets such as 300W and AFLW shows that EFLD consistently outperforms previous approaches in terms of accuracy and speed. Additionally, this study sets a new standard in the field of facial landmark detection by introducing a practical system optimized for mobile devices and suggests future development possibilities.

한국어

이 연구는 효율적인 얼굴 랜드마크 검출(Efficient Facial Landmark Detection, EFLD) 모델을 도입하며, 이는 실제 얼굴 이미지에서 발생하는 다양한 도전에 대응하기 위해 최첨단 네트워크 설계와 혁신적인 손실 방법을 결합한 모델이다. EFLD는 얼굴 내의 전역 및 국부적인 변동뿐만 아니라 학습 데이터의 불균형 문제를 해결하기 위한 방법들을 제시한다. EFLD는 효율성, 정확성 및 컴팩트성 면에서 현존하는 방법들을 능가하며, 표준 벤치마크에서 최첨단 결과를 달성하면서도 모델 크기와 처리 속도 면에서 현저히 적은 자원을 필요로 한다. 300W 및 AFLW와 같은 데이터셋에서의 광범위한 테스트 결과, EFLD는 이전 접근법에 비해 정확성과 속도 면에서 일관되게 우수함을 보인다. 또한, 이 연구는 모바일 기기에 최적화된 실용적인 시스템을 도입하여 얼굴 랜드마크 검출 분야에서 새로운 기준을 세우고 미래의 발전 가능성을 제시한다.