- 博客(11)
- 资源 (1)
- 收藏
- 关注
原创 人脸关键点检测8——Face++(4)
《Delving Deep into Coarse-to-fine Framework for Facial Landmark Localization》CVPR2017,Face++改进关键点检测整体的网络结构: 本文提出了一个四阶段简到繁的框架去处理关键点检测任务 Satge1:一个人脸检测器去定位目标区域,接着预测旋转角度,对目标图片进行对齐,然后,对关键点进行粗预测,分...
2018-05-31 23:21:39 1426
原创 人脸关键点检测7——Face++(3)
《Approaching Human Level Facial Landmark Localization by Deep Learning》2016年,Face++改进设计思路: 和之前方法类似,第一级进行粗预测,第二级进行精细预测,以关键点为中心的图像patch作为输入,输出结果求平均,作为最后的结果。网路结构: 其中n = 68,k = 3。损失函数: ...
2018-05-31 23:17:21 2311
原创 人脸关键点检测6——Face++(2)
《Coarse-to-fine Face Alignment with Multi-Scale Local Patch Regression》2015年,Face++的改进论文设计思路: 第一步:一个单一的CNN网络去预测全局的人脸关键点; 第二步:根据估计的的尺度和角度,去对人脸图像进行几何的校正; 最后:多尺度的裁剪图像块,作为一系列网络的输入,输出更加精准的位置估计,可...
2018-05-31 23:12:22 1328
原创 人脸关键点检测5——Face++(1)
《Extensive Facial Landmark Localization with Coarse-to-fine Convolutional Network Cascade》ICCV2013,Face++在DCNN模型上进行改进,提出由粗到精的人脸关键点检测算法。 实现了68个点的高精度定位,该算法将人脸关键点分为内部关键点和轮廓关键点,内部关键点包含眉毛、眼睛、鼻子、嘴巴共计51个...
2018-05-31 23:06:20 7398
原创 人脸关键点检测4——Tweaked CNN
《Facial Landmark Detection with Tweaked Convolutional Neural Networks》思路:对CNN提取的特征进行聚类,将各簇对应的样本进行分析,最后发现同一簇表现出“相同属性”(姿态,微笑,性别)的人脸。对此,设计了K个FC5和K个FC6层,用以对不同“面部属性”的人脸进行关键点检测。 Vanilla CNN网络结构: 输入是一...
2018-05-31 22:08:28 789
原创 人脸关键点检测3——DCNN
《Deep Convolutional Network Cascade for Facial Point Detection》2013年,通过3级卷积神经网络来估计人脸关键点(5点),属于级联回归方法。 级联的卷积网络结构: Level1,采用了3个CNN,输入区域分别为整张脸(F1),眼睛和鼻子(EN1),鼻子和嘴(EM1)。F1输入尺寸为39*39,输出5个关键点的坐标;EN1输入...
2018-05-31 21:50:50 2756
原创 图像处理:JPG、PNG及BMP的区别?
图像处理:JPG、PNG及BMP的区别?1.JPG:使用的一种失真压缩标准方法,24 bit真彩色,不支持动画、不支持透明色。JPEG的压缩方式通常是破坏性资料压缩(lossy compression),即在压缩过程中图像的品质会遭受到可见的破坏。一张图片多次上传下载后,图片逐渐会失真。2.PNG:格式是无损数据压缩的,PNG格式有8位、24位、32位三种形式,其中8位PNG支持两种不同的...
2018-05-30 22:19:02 67902 2
原创 人脸关键点检测2
《Face Alignment by Deep Convolutional Network with Adaptive Learning Rate》一种新的数据增强的策略:平移和旋转、镜像、图像压缩率一种自适应的学习率算法,确保收敛的更好。Data augmentation: 第一步:轻微的平移和旋转bounding box,可以增加模型对人脸平移及姿态变化的鲁棒性。 第...
2018-05-28 23:19:28 761
原创 人脸关键点检测1——SDN
论文题目:《Effective Face Landmark Localization via Single Deep Network》method: SDN(single deep network)数据集:COFW和300-W(Helen)SDN由直连堆叠的三组层构成,每组包含两个卷积层和一个最大池化层。 网络结构:激活函数和损失函数:euclidean_...
2018-05-28 22:03:27 1596
原创 卷积神经网络的网络结构——LeNet5
《GradientBased Learning Applied to Document Recognition》1989,LeCun et al,LeNet5,主要内容在5~9页。 图像处理都是小 patchs ,比如28*28或者36*36之类,考虑如下情形,对于一副1000*1000的图像,即,当隐层也有节点时,那么(第一层链接权值)的数量将达到级别,为了减少参数规模,加快训练速度,C...
2018-05-27 22:33:50 4095
原创 Windows下mini-caffe编译
Windows下mini-caffe编译win10,vs2015下装mini-caffe,fancp1.编译准备由于windows下需要编译和下载,首先下载(1)cmake-3.11.1-win32-x86.msi和(2)Git-2.16.2-64-bit.exe,进行安装。 之后:下载mini-caffe项目,https://github.com/luoyetx/mini-ca...
2018-05-27 22:07:02 948 2
Windows 环境下编译OpenCV3.4.1和OpenCV-Contrib3.4.1下配置文件
2018-12-16
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人