1、MTCNN_face_detection_alignment
来源:自荐
项目地址:https://github.com/kpzhang93/MTCNN_face_detection_alignment
项目描述:MTCNN出自2016年ECCV一篇论文https://kpzhang93.github.io/MTCNN_face_detection_alignment/paper/spl.pdf,目前在工业应用中落地比较成功,很多公司检测模块运用MTCNN或者其加速版,MTCNN将人脸检测和关键点检测通过一个模型作为MultiTasks的方式进行训练,inference时候可同时得到人脸框信息和关键点信息
推荐理由:人脸检测领域非常经典之作
来源:自荐
项目地址:https://github.com/zeusees/FaceBoxes
项目描述:FaceBoxes出自论文FaceBoxes: A CPU Real-time Face Detector with High Accuracy,是一种可以在CPU上实现实时检测的方法,而且精度也不错。该项目是Caffe版本,步骤讲解清晰,可以快速复现。鉴于FaceBoxes的检测速度非常快,也可以作为一种生产落地的方法,并且现有速度仍有一定的优化空间。
推荐理由:该项目复现了论文FaceBoxes,为研究者提供了开源项目,帮助研究者复现或者优化现有的论文。
![5913254-cc002d1ccfee963b.png](https://i-blog.csdnimg.cn/blog_migrate/677509160cb70bd6a3b881a6f1439800.webp?x-image-process=image/format,png)
3、SSH:Single Stage Headless Face Detector
来源:自荐
项目地址:https://github.com/mahyarnajibi/SSH
项目描述:该项目是ICCV2017论文SSH:Single Stage Headless Face Detector作者自己开源的项目,算是官方开源项目了。SSH也算是人脸检测中一个经典的方法,具有较高的精度和较快的速度。项目实现了论文中的很多细节,并且复现过程也讲解详细,容易实现。美中不足的是论文中的Pyramid方式,该项目没有实现。
推荐理由:官方开源,具有一定的权威性,最终效果也很不错。
![5913254-af434cfa31bf82c0.png](https://i-blog.csdnimg.cn/blog_migrate/81976d06745e5c441bfe9fc0ad37dd58.webp?x-image-process=image/format,png)
PS:这里再推荐一个带有关键点检测的SSH,项目地址:https://github.com/ElegantGod/SSHA,这个项目中,作者自己标注了WIDER FACE的关键点信息,并提供了带有关键点检测的模型参数,同时从结果来看比官方开源的SSH在FDDB上精度稍微高一丢丢。
4、S3FD:Single Shot Scale-invariant Face Detector
来源:自荐
项目地址:https://github.com/yxlijun/S3FD.pytorch
项目描述:该项目是论文S3FD:Single Shot Scale-invariant Face Detector的pytorch复现版本。S3FD目前在FDDB的评测中排在前几位,属于精度较高的人脸检测方法。论文主要解决人脸尺度问题,进一步提升对小脸的检测。
推荐理由:人脸检测精度高的开源项目
![5913254-9b11c91b3b8ba0fa.png](https://i-blog.csdnimg.cn/blog_migrate/cc22d592b26d50693b7faedc198f858d.webp?x-image-process=image/format,png)
5、Deep Learning Papers Translation(CV)
来源:内部推荐
项目地址:https://github.com/SnailTyan/deep-learning-papers-translation
项目描述:该项目非人脸相关,内部推荐里随机选了一篇,主要内容是CV领域里一些论文的翻译,包括分类、检测、OCR和模型轻量化,不喜欢看英文原版论文的,可以关注该项目,猜测后续应该还会更新
推荐理由:论文翻译,方便广大研究者