mtcnn 人脸对齐

最新推荐文章于 2024-01-25 18:38:20 发布
最新推荐文章于 2024-01-25 18:38:20 发布
阅读量801 收藏 3
点赞数 1
分类专栏： 计算机视觉
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/zhou_438/article/details/110546865
版权

 很多自拍脸并不是正的，特别是很多妹子自拍歪着头的，

但是很多任务需要的图需要不是歪着头

这个时候就需要转换

首先需要去下载工具：

git clone https://github.com/urbaneman/Face_crop_align_mtcnn

 新建文件夹以给input和output使用

mkdir t1 
mkdir t2

运行python 

python Face_align_crop.py --input_path t1 --output_path ./t2 --face_size 512

看下效果：

 

 不过这个需要依赖gpu和mxnet，

mxnet安装注意mxnet和cuda的版本一致

喝粥也会胖的唐僧
关注
专栏目录
opencv-facecrop:自动检测图片中的脸部并将其裁剪掉
04-30
OpenCv-人脸裁剪：自动检测并裁剪图像中的人脸（Node.js） 该软件包可帮助您自动检测图片中的脸部并将其裁剪掉。 安装 从命令行安装： npm install --save opencv-facecrop 基本用法 const facecrop = require ( 'opencv-facecrop' ) ; facecrop ( './image-file.jpg' , './dest/output.jpg' , "image/jpeg" , 0.95 , 1.5 ) ; /* Outputs image with file name output.jpg in 'dest' folder with the face cropped out. If multiple faces are detected, the files will be automatically
MTCNN人脸检测与对齐项目教程
最新发布
gitblog_00208的博客
08-09 809
MTCNN人脸检测与对齐项目教程 MTCNN_face_detection_alignmentJoint Face Detection and Alignment using Multi-task Cascaded Convolutional Neural Networks项目地址:https://gitcode.com/gh_mirrors/mt/MTCNN_face_detection_al...
使用mtcnn进行人脸裁剪对齐(附代码）
Silver__Wolf的博客
11-22 619
使用mtcnn进行人脸裁剪对齐
微表情识别的图片预处理(python版)
略知12的博客
11-12 5590
文章目录前言一、人脸旋转二、人脸裁剪 前言 微表情识别类似于表情识别，在处理时的不同之处在于微表情的关注区域是特定的(AU)，所以我们在裁剪人脸的时候也是主要获得该区域，我们实验室之前用的都是matlab代码，刚刚把它转为了python代码。 一、人脸旋转 方法就是采用dlib68模型找到双眼的位置，计算需要旋转的角度，然后做仿射变换，代码如下 import cv2 import dlib import numpy as np # 脸部旋转函数 def face_rotate(img, left_ey
管好【SD-WEBUI】中大量的模型：名称+预览图+备注+分组管理
热门推荐
Shion's bla bla blog
05-06 1万+
模型多了难管啊。但配合缩略图+名称+备注，再用子目录分组管理，感觉就容易管理了。
[linux-sd-webui]api化之训练lora
liguandong
03-31 4234
accelerate==0.15.0 应该只能在虚拟环境中，在train.sh中把accelerate launch --num_cpu_threads_per_process=8换成python。lora训练是需要成对的文本图像对的，需要准备相应的训练数据。scikit-image==0.14 版本高了会报错。这里面有个skimage的版本问题，会报错。使用deepbooru生成训练数据。2.lora在linux上环境。3.sh train.sh训练。lora的训练使用的文件是。
facecrop:使用OpenCV裁剪图像中的人脸
05-09
面膜（1） 概要 facecrop --size 200x200 -i picture.jpg > face.jpg 描述 使用facecrop从全身正面图像中提取脸部。 如果检测到多个脸部，则使用最接近顶部的脸部。 选项 --help, -h显示简短的使用说明。 --size <width>x<height> 设置所需的输出图像尺寸。 默认为200x200 。 --size <size> 方形图像的快捷方式。 --padding <percent>在面部周围添加填充。 该量指定为裁剪区域宽度/高度的百分比。 默认为40 。 --png [compression] 无论输入文件的扩展名如何，始终创建一个PNG图像。 compression级别默认为3 。 --jpg [quality] 无论输入文件的扩展名如何，始终创建JPEG图像。 quality设置默认为95 。 --gr
人脸检测、人脸对齐（MTCNN方法）
08-27
通过理解和分析这些资源，开发者可以实现自己的MTCNN人脸检测和对齐系统。值得注意的是，实际应用中还需要考虑性能优化，如多线程处理、GPU加速等，以适应实时或大规模数据处理的需求。 总结来说，MTCNN是人脸识别...
基于Opencv和MTCNN检测人脸五个关键点进行仿射变换人脸对齐算法
12-21
最近需要做人脸对齐的算法，通俗理解就是将图片人人脸姿态不太正确的给矫正过来，所以写了python版本的人脸对齐算法。基本原理是先通过MTCNN检测到人脸的五个关键点，再把原图中人脸区域外扩100%（这样做的目的是...
人脸检测、人脸对齐（MTCNN方法）-附件资源
03-05
人脸检测、人脸对齐（MTCNN方法）-附件资源
MTCNN人脸检测模型
09-20
**MTCNN人脸检测模型详解** MTCNN（Multi-task Convolutional Neural Network），即多任务卷积神经网络，是一种高效且准确的人脸检测算法，广泛应用于计算机视觉领域，特别是人脸识别系统。MTCNN的设计目的是解决...
mtcnn人脸检测工具
04-26
除了预测人脸存在性外，O-Net还估计5个关键点的位置（眼睛、鼻子和嘴巴），这些信息对于后续的人脸对齐和识别非常有用。 在提供的压缩包中，`det3.npy`、`det2.npy`和`det1.npy`是训练好的模型参数，分别对应P-Net...
深度学习五、MTCNN人脸检测与对齐和FaceNet人脸识别
qq_24946843的博客
03-09 7855
在说到人脸检测我们首先会想到利用Harr特征和Adaboost分类器进行人脸检测，其检测效果也是不错的，但是目前人脸检测的应用场景逐渐从室内演变到室外，从单一限定场景发展到广场、车站、地铁口等场景，人脸检测面临的要求越来越高，比如：人脸尺度多变、数量冗大、姿势多样包括俯拍人脸、戴帽子口罩等的遮挡、表情夸张、化妆伪装、光照条件恶劣、分辨率低甚至连肉眼都较难区分等。在这样复杂的环境下基于Haar特征...
人脸检测和对齐算法MTCNN
null的专栏
12-23 1683
在现如今再回过头来看MTCNN这个模型，无论是模型还是思路上都已经比较落后，但在当时的条件下，确实由于其较好的表现，在业界得到了很多的应用。回顾MTCNN算法，整体的框架是一个多任务的级联框架，同步对人脸检测和人脸对齐两个项目学习，并且在级联的框架中使用了三个卷积网络，并将这三个网络级联起来，一步一步对结果精修，使得能够得到最终理想的效果，同时，在训练的过程中使用到了在线困难样本挖掘的方法，进一步帮助整个过程的训练。三个网络模型（P-Net，R-Net和O-Net）是分开单独训练的，没有做到端到端。
MTCNN（Multi-task convolutional neural networks）人脸对齐
萧海的博客
10-18 661
该MTCNN算法出自深圳先进技术研究院，乔宇老师组，是今年2016的ECCV。（至少我知道的今年已经一篇cvpr，一篇eccv了）。     进入正题 理论基础： 正如上图所示，该MTCNN由3个网络结构组成（P-Net,R-Net,O-Net）。 Proposal Network (P-Net)：该网络结构主要获得了人脸区域的候选窗口和边界框的回归向量。并用该边界框做回归...
人脸检测与对齐之MTCNN网络
知识搬运工的博客
06-20 2928
本文将对人脸检测MTCNN算法做一个简要介绍。该MTCNN算法出自深圳先进技术研究院乔宇老师组，是今年2016的ECCV。 论文原文：https://kpzhang93.github.io/MTCNN_face_detection_alignment/paper/spl.pdf 论文译文：https://blog.csdn.net/lff1208/article/details/7732...
人脸识别 基于MTCNN网络的人脸检测与对齐算法（MTCNN代码复现）
guoqingru0311的博客
01-25 1344
人脸识别 基于MTCNN网络的人脸检测与对齐算法（MTCNN代码复现）
基于MTCNN和FaceNet的实时人脸检测识别系统
weixin_43441742的博客
08-07 6375
MTCNN是强大的人脸特征提取器，我们采用MTCNN提取图像的特征，并利用FaceNet将图像特征映射到128维特征空间，随后在特征空间中比较人脸的相似性，进行人脸检测与识别。
mtcnn人脸检测python_MTCNN人脸检测和算法
06-09
MTCNN是一种基于深度学习的人脸检测算法，其全称为Multi-task Cascaded Convolutional Networks。它可以同时完成人脸检测、关键点定位和人脸对齐等任务，是目前比较流行的人脸检测算法之一。 MTCNN算法的核心是级联的卷积神经网络，包括P-Net、R-Net和O-Net三个部分。其中P-Net用于快速筛选候选框，R-Net则进一步精细筛选，O-Net则用于最终的人脸检测和关键点定位。 在Python中，可以使用MTCNN库来实现人脸检测和人脸对齐。使用MTCNN库时，需要将待检测的图片转换为numpy数组，并通过调用MTCNN类的detect_faces()方法来进行人脸检测。该方法返回一个列表，每个元素代表一张人脸的位置和关键点信息。 下面是一个使用MTCNN库进行人脸检测的示例代码： ``` from mtcnn import MTCNN import cv2 # 加载MTCNN模型 detector = MTCNN() # 读取图片 img = cv2.imread('test.jpg') # 转换为RGB格式 img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # 进行人脸检测 results = detector.detect_faces(img) # 输出检测结果 for result in results: print(result['box']) # 人脸位置信息 print(result['keypoints']) # 关键点信息 ``` 需要注意的是，MTCNN算法是一种基于深度学习的算法，需要在训练集上进行训练，因此在使用MTCNN算法之前需要先下载预训练模型。MTCNN库提供了一个download_models()方法，可以方便地下载预训练模型。
评论
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