人脸属性年龄性别标注工具

最新推荐文章于 2021-10-28 15:38:43 发布
最新推荐文章于 2021-10-28 15:38:43 发布
阅读量2.2k 收藏 3
点赞数 1
分类专栏： C++ 文章标签： cnn
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/xjc864588399/article/details/74394509
版权

 为了提升人脸属性性别和年龄的准确率，需要标注大量人脸图片数据，于是写了一个Qt工具，实现的功能是针对一张图片，标注男性还是女性，标注8个年龄段中的一个，这8个年龄段的选定是通过Adience 数据集标注的段选定的。

界面如下：

 使用步骤, 首先运行app, 会自动打开一个文件选项, 这时候你应该选择你要 标注图片的list, 读完这个list 就显示上图的界面, 此时,状态栏显示的都是None, 必须标注性别和年龄,才能点击next 进入下一步, 倘若不标注或者只标注了两个中的一个,则点击next的时候会提示警告,然后你再把忘记标注的标注上,可以看到装态栏显示你标注的内容,此时点击next可以进入下一张图片.当全部标记完之后,你会看到process 的进度条走到头,然后可以点击save 将标注的list 存到你指定位置的txt中


代码托管在github上, https://github.com/xujinchang/face_attribute_-annotation_tool点击打开链接

编译之后即可使用.

xjc864588399
关注
  • 1
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
人脸年龄估计
阿黄啦啦
12-12 1万+
关于人脸年龄估计研究的调研报告 一．  研究背景与意义 年龄信息作为人类的一种重要生物特征，在人机交互领域中有着众多应用需求，并且对人脸识别系统的性能有着重要影响。基于人脸图像的年龄估计是指应用计算机技术对人脸图像随年龄变化的规律进行建模，从而使机器能够根据面部图像推测出人的大概年龄或所属的年龄范围。如果基于人脸图像的年龄估计问题得到解决，那么在日常生活中，基于年龄信息的各种人机交互系统将在现
人脸年龄识别
qq_35498453的博客
04-01 7092
人脸年龄识别新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 新的改变 我们对Markdown编辑器进行了一些功...
人脸属性标注工具
03-22
人脸属性标注工具，MatlabR2017b开发,18类属性多种状态。
人脸跟踪之标注工具
05-06
非刚性人脸跟踪之标注工具的实现。详见博客：http://blog.csdn.net/yiluoyan/article/details/45540099
人脸属性标注工具v1
05-04
人脸属性标注工具，MatlabR2017b开发,18类属性多种状态。 详细说明见博客https://blog.csdn.net/cuixing001/article/details/79652468
2W人脸标注方法
DBC12345666的专栏
01-13 1518
http://mmlab.ie.cuhk.edu.hk/projects/CelebA.html 下载2w人脸数据，采用TCNDN（deep learning alignment）tool表来landmark.
对人脸图像进行性别和年龄的判断
最新发布
05-31
总结来说，对人脸图像进行性别和年龄的判断是通过人脸检测、特征提取、分类器训练以及人脸属性识别等一系列步骤实现的。这项技术在安全监控、社交媒体、广告定向等多个领域都有广泛的应用。随着深度学习技术的发展，...
AgeGender V2 千搜人脸属性sdk， 性别、年龄预测
08-07
AgeGender V2 是一款专用于人脸属性识别的SDK，尤其关注性别和年龄的预测。这款SDK结合了深度学习技术，能够高效准确地分析输入的人脸图像，并从中提取出性别和年龄这两个关键信息。在AI领域，这样的技术对于人脸...
retinaface 人脸检测 对比 年龄 口罩 应用.zip
06-01
这类模型通常基于深度学习网络，如卷积神经网络（CNN），通过训练大量的带有年龄和性别标注的人脸数据集进行学习。一旦模型训练完成，它就能对输入的人脸图像进行分析，输出对应的年龄和性别信息。这对于市场营销、...
人脸属性分析--性别、年龄和表情识别（转）
法相的博客
12-14 1536
mark一下，感谢作者分享！ https://github.com/truongnmt/multi-task-learning
基于人脸图像的年龄预测
11-30
人脸年龄检测的matlab例子。在人脸图像的基础上，利用pca，svm等机器学习的方法预测出人脸的大致年龄段。年龄段分为0-19岁，20-39岁，40-59岁，60岁以上。实验数据是FG-NET Aging Database。本例子在Image文件夹中存有77人不同改年龄的人脸原始图像，共935张；在Points文件夹中是这些人脸原始图像对应的用于表示人脸特征的形状特征标定点，每张68个标定点。例子很完整，注释详细。
人工标注12000多张人脸数据集
01-14
训练MTCNN人脸数据集
FotoTagger图片标注工具
01-07
FotoTagger图片标注工具,FotoTagger图片标注工具,由blun亲情提供!
labelImg-点标注工具
08-07
labelimg是我认为最好用的深度学习目标框标注工具，最近要开始标注关键点尝试了很多工具都不好用，于是我们更改了源码使得labelimg可以标注点，欢迎下载。如果您有更好用的关键点标注工具求分享~
能够标注人脸边界框和五个关键点
10-16
python文件，需要安装python，需要有cv2的库。首先cmd,cd 你的路径，python annotate_faces.py -d ./img -n 4(是图片数目)。但是不能保存坐标值，可以对其修改保存坐标值。
python dlib 年龄 性别_python dlib学习（一）:人脸检测
weixin_39755853的博客
12-11 469
1、环境安装Windows： 旧版本安装pip install xxx.whl。以下是whl文件地址： ​ Python Package Index​ 最新版本安装：不要嫌麻烦，先装上visual studio2015 (C++模块)。​ 具体的记不清了，装上cmake和boost，然后pip install dlib。Ubuntu： sudo apt-get install build-esse...
人脸关键点标注工具_FLAT - 人脸特征点标注工具
weixin_39608118的博客
11-29 1246
FLAT-面部地标注释工具一个可视化编辑器，用于手动注释人脸图像中的面部标志。用法创建一个新的面部注释数据集(带有扩展名的文件 .fad)并添加人脸图像。然后，添加面部特征并使用程序菜单或上下文菜单根据需要进行连接。可以通过图像属性工具窗口上的小部件控件或通过按住CTRL并滚动鼠标滚轮来控制缩放级别。缩放时，也可以通过按住SHIFT键并滚动鼠标滚轮来侧面滚动图像。同一面部注释数据集中的所有图像共享...
给电视剧标注人脸的简单步骤：
york1996的博客
12-12 1227
https://www.bilibili.com/video/av39236953/写了一个可以给电视剧中的人脸标注的程序，流程是： 首先使用opencv的人脸检测功能，每隔10帧就把视频中可能是人脸的部分抠出来，保存到本地。 保存起来的人脸是没有标签的，而且还可能会有不是人脸的被判别成为人脸，所以先手工给人脸分类，标注用自己写的标注工具。 分类之后，写一个网络学习这些有标签的数据，然后再读...
C3AE人脸年龄识别算法
pytorch内部机制解读
10-28 2299
本文转载自：https://blog.csdn.net/michaelshare/article/details/92076984 这篇文章是提出新的浅层网络来做人脸年龄估计的任务。 文章主要是利用小的浅层网络来处理低分辨率的图片，创新的点到不是很大，但是值得引人思考的是，对于一些低分辨率的图片是否可以不去用重量级的网络以及一些经典的连接就可以取得很好的效果。 文章分为三点去展开 第一是研究了一下mobilenet和shufflenet中的depth-wise卷积和标准的卷积在低分辨率图像任务中，是否真正能
opencv人脸识别年龄性别代码
05-25
下面是使用OpenCV进行人脸识别、年龄和性别估计的代码示例： ```python import cv2 import math # 加载预训练的人脸检测器和性别/年龄分类器 face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml') gender_net = cv2.dnn.readNetFromCaffe('deploy_gender.prototxt', 'gender_net.caffemodel') age_net = cv2.dnn.readNetFromCaffe('deploy_age.prototxt', 'age_net.caffemodel') # 定义性别标签和年龄范围 gender_list = ['Male', 'Female'] age_list = ['(0-2)', '(4-6)', '(8-12)', '(15-20)', '(25-32)', '(38-43)', '(48-53)', '(60-100)'] # 加载图像并将其转换为灰度 image = cv2.imread('test.jpg') gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 检测人脸 faces = face_cascade.detectMultiScale(gray, 1.1, 5) # 遍历每一个检测到的人脸 for (x, y, w, h) in faces: # 提取人脸区域 face = image[y:y + h, x:x + w] # 将人脸区域调整为神经网络输入的大小 blob = cv2.dnn.blobFromImage(face, 1, (227, 227), (78.4263377603, 87.7689143744, 114.895847746), swapRB=False) # 对性别/年龄分类器进行前向传递 gender_net.setInput(blob) gender_preds = gender_net.forward() age_net.setInput(blob) age_preds = age_net.forward() # 获取性别和年龄估计 gender = gender_list[gender_preds[0].argmax()] age = age_list[age_preds[0].argmax()] # 在图像上绘制人脸、性别和年龄信息 cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2) label = "{} {}".format(gender, age) cv2.putText(image, label, (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 255, 0), 2) # 显示结果图像 cv2.imshow("Result", image) cv2.waitKey(0) cv2.destroyAllWindows() ``` 请注意，此代码需要先下载并提取预训练的性别和年龄模型文件（deploy_gender.prototxt，gender_net.caffemodel，deploy_age.prototxt和age_net.caffemodel）。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值