人脸检测
2014wzy
这个作者很懒,什么都没留下…
展开
-
人脸识别的初步认识
原文来自:http://www.cnblogs.com/guoyiqi/archive/2011/07/28/2129300.html前言 在写此文之前,先扯点东西。我一直在找一个东西,让我思考,让我久久的深陷其中,永久的,不断的思考。如今,我意识到,这个东西即是算法。我一直在找一家合适的公司,能让我的兴趣无比放肆的,自由驰骋。 ok,转载 2016-09-27 22:27:54 · 953 阅读 · 0 评论 -
人脸识别(face recognition)
一、前述1. 发展以往的人脸识别主要是包括人脸图像采集、人脸识别预处理、身份确认、身份查找等技术和系统。现在人脸识别已经慢慢延伸到了ADAS中的驾驶员检测、行人跟踪、甚至到了动态物体的跟踪。由此可以看出,人脸识别系统已经由简单的图像处理发展到了视频实时处理。而且算法已经由以前的Adaboots、PCA等传统的统计学方法转变为CNN、RCNN等深度学习及其变形的方法。现在也有相当一部转载 2017-07-07 20:50:41 · 9342 阅读 · 0 评论 -
人脸识别趟坑历程
1.人脸识别概述人脸识别,是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部的一系列相关技术。其中技术包括图像采集、特征定位、身份的确认和查找等等。简单来说,就是从照片中提取人脸中的特征,比如眉毛高度、嘴角等等,再通过特征的对比输出结果。听着这么高大上,很高科技,然而目前很多人脸转载 2017-07-07 20:49:52 · 6848 阅读 · 1 评论 -
如何理解误识率(FAR)拒识率(FRR),TPR,FPR以及ROC曲线
平时在做指纹、人脸识别时,会用到一些评价算法性能评价指标。常见的当属以下几种指标:误识率(FAR,false acceptance rate)拒识率(FRR,false rejection rate)ROC曲线(Receiver Operator characteristic Curve)其中误识率与拒识率的就算公式如下: 说白一些,假定在指纹匹配识别过程中: 误识转载 2017-07-05 14:27:21 · 48273 阅读 · 2 评论 -
人脸识别之light_cnn
light_cnn出自2016 cvpr吴翔A Light CNN for Deep Face Representation with Noisy Labels,优势在于一个很小的模型和一个非常不错的识别率。主要原因在于,(1)作者使用maxout作为激活函数,实现了对噪声的过滤和对有用信号的保留,从而产生更好的特征图MFM(Max-Feature-Map)。这个思想非常不错,本人转载 2017-07-05 09:43:54 · 2195 阅读 · 0 评论 -
ECCV16 Center Loss及其在人脸识别中的应用
摘要在大家吐槽用softmax训练出来的人脸模型性能差,contrastive 和 triplet需要个中谜一样的采样方法之际。ECCV 2016 有篇文章提出了权衡的解决方案。通过添加center loss使得简单的softmax就能够训练出拥有内聚性的特征。該特点在人脸识别上尤为重要,从而使得在很少的数据情况下训练出来的模型也能有不俗的性能。本文尝试用一种比较容易理解的方式来解释这篇文章。转载 2017-04-16 16:45:30 · 2051 阅读 · 0 评论 -
论文解析:人脸检测中级联卷积神经网络的联合训练
论文:Joint Training of Cascaded CNN for Face Detection论文作者:Hongwei Qin, Junjie Yan, Xiu Li, Xiaolin HuGrad.School at Shenzhen Tsinghua University(清华大学深圳研究生院),Tsinghua University(清华大学),SenseTime Grou转载 2017-03-23 16:25:45 · 1385 阅读 · 0 评论 -
图像特征提取三大法宝:HOG特征,LBP特征,Haar特征
(一)HOG特征1、HOG特征:方向梯度直方图(Histogram of Oriented Gradient, HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中,尤其在行人检测中获得了极大的成功。需要提醒的是,HOG+SVM进行行人检测的方法是法国研究转载 2017-03-23 21:29:45 · 1720 阅读 · 0 评论 -
FaceDataset常用的人脸数据库
公开人脸数据集本页面收集到目前为止可以下载到的人脸数据库,可用于训练人脸深度学习模型。人脸识别数据库描述用途获取方法WebFace10k+人,约500K张图片非限制场景链接FaceScrub530人,约100k张图片非限制场景链接YouTube Face1,595个人 3,425段视转载 2017-03-23 20:15:26 · 3249 阅读 · 0 评论 -
Face Detection paper 1st season
基于深度学习的目标检测研究进展 长文干货!走近人脸检测:从 VJ 到深度学习(上) 长文干货!走近人脸检测:从VJ到深度学习(下)讲讲上面没有的。 关于目标检测,怎么去衡量一个目标检测器的好坏? 显然这个答案是检测速度和检测精度,这是最主要的两个指标,其它的包括训练时间,算法复杂度,算法的适应能力(不同场景,不同类别)。速度的评价指标按时间计算就可以了,对于精度的评价指标包含检转载 2017-03-23 19:28:01 · 1336 阅读 · 0 评论 -
人脸检测的一些坑
做了大概2个多月人脸检测,从查最近三年的论文到确定技术路线,再到实现其中的几篇,遇到了不少坑。这些坑都是一些小细节,这种小细节在论文里面基本都是一笔带过或者根本就没说,而国内外的一些博客和问答网站上,又基本没有给出过太好的答案。在此总结一下,同时也希望给在做或者准备做这方面的人一些有用的提示。 1.怎样选择合适的算法做人脸检测最近人脸检测算法的流派包括三类以及这三类之间的组转载 2017-03-23 08:42:19 · 3701 阅读 · 0 评论 -
DeepFace: Closing the Gap to Human-Level Performance in Face Verification
这篇文章是Facebook公司发表于CVPR2014的Oral文章, 这段时间非常火,一众科技媒体都在热炒“计算机的人脸识别能力正在赶超人类或者已经赶超了人类”,甚至微博上有人断言,CV研究的最高境界就是“用最牛的机器,实现最深度的算法”。铺垫到此为止,我们进入正题,由我的视角带领大家读一读这篇火的一谈糊涂的文章。0. 本文的贡献 DeepFace一文依旧是沿着“检测-对齐翻译 2017-07-07 21:54:25 · 747 阅读 · 0 评论