![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
人脸识别
文章平均质量分 79
perfect_csdn1
这个作者很懒,什么都没留下…
展开
-
图像噪声处理
一、为图像添加噪声为图像添加噪声可以起到数据增强的作用对训练数据添加适量噪声,可以使训练后的模型更加鲁棒,对模型的性能提升有一定的帮助。两种常用噪声:椒盐噪声和高斯噪声import cv2import numpy as npimport random #添加椒盐噪声def salt_and_pepper_noise(img,percentage): rows,cols=img.shape num=int(percentage*rows*cols) for i in r原创 2021-07-15 12:23:30 · 3450 阅读 · 0 评论 -
人脸识别(MTCNN+FaceNet)
1、先采用目前流行的MTCNN检测人脸位置,得到一个人脸的bounding box2、然后用opencv根据上一步的bounding box 把人脸裁剪出来,并对齐。(因为实际裁剪出来的脸,大小不一(如距离远近造成的人脸图片大小不同),但神经网络的输入要统一尺寸(如9696,或160160),所以所有人脸需要对齐到统一图片大小上)3、对齐之后将图片输入到facenet模型(用于训练的网络模型),会得到这个人脸的一个128维特征向量。4、最后用训练好的SVM分类器对这个特征向量进行分类,得到这个人脸是转载 2021-05-14 14:34:26 · 2153 阅读 · 0 评论 -
遮挡人脸识别(MFR)
MFR(遮挡人脸识别)MFR的一些难点:1、大量脸部特征的丢失2、缺少训练集,难以有效训练3、遮挡在检测、跟踪、识别等各方面都有影响解决方案:1、丢失大量面部特征后如何进行检测?F1:通过采用基于空间位置的注意力机制特征学习,使其更关注对眼部区域的特征学习。2、训练数据不够?F1:百度视觉采用基于人脸关键点的3D图像融合技术。(也就是合成口罩)。例如:mask Webface、mask-LFW和一些收集到的真实口罩遮挡图片)3、人脸识别个环节之间的问题?F1:检测算法:PyramidB转载 2021-05-12 10:30:20 · 2717 阅读 · 0 评论