人脸识别
文章平均质量分 84
cliff_zf
这个作者很懒,什么都没留下…
展开
-
【翻译+原创】Deep Learning Face Representation from Predicting 10,000 Classes 论文笔记
摘要:论文主要目的是通过深度学习去学习到一个高水平的特征表达集(DeepID)用于人脸验证。DeepID 特征集是从深度卷积网络(ConvNets)的最后一个隐藏层神经元提取到的。这种特征是从人脸的不同区域提取的,可以形成一个互补的完备的人脸特征表达。结合简单的人脸对齐,在 LFW 上实现了97.45%的识别率。第一节:当前有着最优表现性能的人脸验证算法是采翻译 2016-03-05 15:23:25 · 2934 阅读 · 0 评论 -
【翻译+原创】DeepFace: Closing the Gap to Human-Level Performance in Face Verification 论文笔记
摘要传统的人脸识别流程是:人脸检测——人脸对齐——人脸表达——人脸分类。为了进行分段的仿射变换,我们使用了3D的人脸建模来重现对齐和表达这两步,最终从一个9层的深度神经网络中得到了人脸的表达。这个网络并非标准的卷积网络层,而是使用了几个未共享权重的局部连接层,网络参数超过了120,000,000个。我们在迄今为止最大的人脸数据库上训练——4000多个不同的人,总计4翻译 2016-03-05 15:27:40 · 7621 阅读 · 0 评论 -
【论文学习笔记】Face Recognition with Learning-based Descriptor
基于LE描述子的人脸识别摘要:提出一个新的方法,解决人脸识别中的人脸描述和人脸匹配(验证)问题。 首先,通过一个新的learning-based(LE)编码方法对面部的“微结构(micro-structures)”进行编码,通过无监督学习的技术从训练样本中学习到一个“编码本(encoder)“,这个编码本可以实现较好的识别能力和不变性。翻译 2016-03-05 15:37:01 · 1812 阅读 · 0 评论 -
【论文学习笔记】Clustering by fast search and find of density peak
这是近期science上的一篇关于无监督聚类的文章。本文的作者为Alex Rodriguez 和 Alessandro Laio。以下简要介绍下算法的主要思想以及算法分析。算法主要思想:该算法的两个重要假设:类簇的中心由一些局部密度比较低的点围绕, 并且这些点距离其他有高局部密度的点的距离都比较大. 首先定义两个值: 局部密度 以及到高局部密度点的距翻译 2016-03-05 15:39:12 · 1463 阅读 · 0 评论 -
【论文学习笔记】Joint Cascade Face Detection and Alignment
第一节:关键思想是将人脸检测和人脸标点结合起来。一个应用比较广泛的人脸检测方法,Viola-Jones检测器是基于以下两个原则进行检测的:1,逐步提升的级联结构;2,简单的特征。这种方法在日常生活场景中效果不甚理想。其他有许多工作是针对多视角的人脸检测【10,17,27,7】他们采用分治策略——在不同视角和头部姿态下,分别训练不同的检测器。这种做法往往更加麻烦,翻译 2016-03-05 15:30:11 · 7316 阅读 · 7 评论 -
人脸识别CNN网络训练流程
目标训练论文”A Lightened CNN for Deep Face Representation”中的caffe网络。数据CASIA-WebFace 可在这里申请。网络配置详细配置查看prototxt/中的LCNN_solver.prototxt和LCNN_train_test.prototxt。原创 2016-05-10 21:19:14 · 13639 阅读 · 16 评论 -
手把手教你开发基于深度学习的人脸识别【考勤/签到】系统
人脸识别介绍平台环境需求技术点系统流程细节设计人脸检测人脸关键点定位人脸特征提取模型的训练模型的部署MySQL数据库的使用MFC工程的搭建软件使用人脸识别介绍人脸识别技术是一项非接触式、用户友好、非配合型的计算机视觉识别技术。随着机器学习、深度学习等技术的发展,人脸识别的应用正日趋完善和成熟。本文将介绍人脸识别技术如何用于考勤/签到系统。本文将主要从以下几个方面阐述:平台环原创 2016-06-04 16:39:46 · 34851 阅读 · 26 评论