mtcnn 人脸对齐

最新推荐文章于 2024-08-09 07:47:10 发布
原创 最新推荐文章于 2024-08-09 07:47:10 发布 · 897 阅读 · 3 ·
CC 4.0 BY-SA版权
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。

博客指出很多自拍脸不正，而部分任务需要正脸图，此时需进行转换。介绍了转换步骤，先下载工具，新建文件夹用于输入输出，运行Python查看效果。还提到该操作依赖GPU和MXNet，且安装MXNet时要注意其与CUDA版本一致。
部署运行你感兴趣的模型镜像

 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

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

人脸检测、人脸对齐（MTCNN方法）
08-27
基于mtcnn方法实现人脸对齐，人脸检测，c++代码实现。
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...
MTCNN人脸检测与人脸对齐
热门推荐
jcjx0315的博客
05-04 1万+
MTCNN人脸检测与人脸对齐 1 写在前面 首先再次提一下人脸识别的一般步骤： 人脸检测：简单的说就是得到人脸图像在图片中的位置；具体的一些方法有比如HOG/FHOG/SVM，还有一些基于Cascade的方式可以达到比较不错的效果。例如Compact CascadeCNN速度较快，速度要优于opencv和dlib，还有就是RCNN系列的通用检测方法（如R-CNN,FAST R...
MTCNN（Multi-task convolutional neural networks）人脸对齐
我不是码农的博客~~~
10-18 797
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...
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 8073
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...
精选资源
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
精选资源
MNN基于mtcnn人脸检测+onet人脸跟踪,在i7-9700k的cpu检测速度可高达500fps
04-01
本文将深入探讨一个名为MNN_FaceTrack的项目，它是基于MNN库实现的mtcnn人脸检测和onet人脸跟踪算法，能够在高性能的i7-9700k CPU上达到惊人的500帧每秒（fps）检测速度。 首先，我们需要理解MNN（Mobile Neural ...
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 1589
人脸识别 基于MTCNN网络的人脸检测与对齐算法（MTCNN代码复现）
MTCNN 人脸检测 人脸对齐
二分掌柜的
11-06 1379
MTCNN 人脸检测 人脸对齐 flyfish 总体 Loss Stage 0:Image Pyramid Stage 1:P-Net P-Net流程 输入图像尺寸，定义为(h, w) 最小人脸尺寸，定义为 min_face_size Image Pyramid缩放因子，定义为factor 初始缩放因子定义为init_factor=12/min_face_size P-Net网络的初始大小1...
人脸检测与对齐之MTCNN网络
知识搬运工的博客
06-20 3122
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...
使用mtcnn进行人脸裁剪对齐(附代码）
Silver__Wolf的博客
11-22 1325
使用mtcnn进行人脸裁剪对齐
MTCNN算法与代码理解—人脸检测和人脸对齐联合学习
weixin_30781775的博客
12-13 527
目录 写在前面 算法Pipeline详解 如何训练 损失函数 训练数据准备 多任务学习与在线困难样本挖掘 预测过程 参考 博客：blog.shinelee.me | 博客园 | CSDN...
人脸检测和对齐算法MTCNN
null的专栏
12-23 2289
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。
【亲测免费】 MTCNN人脸检测与对齐项目教程
gitblog_00208的博客
08-09 968
MTCNN（Multi-task Cascaded Convolutional Networks）是一个用于联合人脸检测和对齐的开源项目。该项目通过多任务级联卷积神经网络实现高效的人脸检测和对齐功能。MTCNN项目支持多种平台和框架，包括Caffe和Tensorflow。 ## 项目快速启动 ### 环境准备 - 操作系统：Linux或Windows - 深度学习框架：Caffe（Linux...
matlab 人脸对齐,MTCNN人脸检测&&对齐--官方代码笔记
weixin_42489104的博客
03-16 564
简介MTCNN(Multi-task convolutional neural networks)是ECCV2016年提出、用以解决人脸检测以及人脸对齐任务的一篇文章，这里不对文章技术细节进行讲解，只是把官方的代码跑了一下，记录一下这个过程，希望也可以帮助到遇到类似问题的朋友。首先还是象征性的贴张图，这是文章的Pipeline： 环境搭建官方的代码是基于caffe搭建的，因此这个代码想跑起来基本...
MTCNN：人脸检测对齐算法——多任务级联卷积网络（论文阅读笔记）
weixin_40671425的博客
05-23 1619
论文：《Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks》 原文链接：https://kpzhang93.github.io/MTCNN_face_detection_alignment/paper/spl.pdf 摘要 由于各种姿态、光照和遮挡，在无约束环境...
基于MTCNN的人脸自动对齐技术原理及其Tensorflow实现测试
02-02 1830
脸识别是计算机视觉研究领域的一个热点。而人脸识别包含了诸多步骤，其实现技术流程如下图所示(摘自http://www.techshino.com/upfiles/images/%E4%BA%BA%E8%84%B8%E8%AF%86%E5%88%AB%E6%8A%80%E6%9C%AF%E6%B5%81%E7%A8%8B(2).png)： https://github.com/AITTSMD/M
MTCNN人脸检测 对齐
最新发布
12-26
### MTCNN 人脸检测与对齐方法 MTCNN（Multi-task Cascaded Convolutional Networks）是一个多任务级联卷积神经网络框架，专门用于高效且精确的人脸检测和对齐。该模型由三个阶段组成： #### 阶段一：候选区域生成 (Proposal Network, P-Net) P-Net 是一个多尺度滑动窗口结构的小型 CNN，在不同尺度上扫描输入图像以生成大量粗略的人脸提议框。此过程不仅减少了后续处理的数据量，还初步过滤掉大部分非人脸区域。 ```python from mtcnn import MTCNN detector = MTCNN() image_path = "path_to_image.jpg" faces = detector.detect_faces(image.load_img(image_path)) ``` 这段 Python 代码展示了如何加载并初始化预训练好的 MTCNN 模型来执行人脸检测[^1]。 #### 阶段二：边界框精炼 (Refine Network, R-Net) R-Net 接收来自 P-Net 的建议框作为输入，并进一步细化这些提案的质量。它会去除更多不必要的人选框，并调整剩余框的位置以更好地匹配真实人脸轮廓。这一轮筛选显著提高了最终输出的准确性。 #### 阶段三：关键点定位与质量评估 (Output Network, O-Net) O-Net 执行最后一步优化工作，除了继续改进边界框外，还会预测每张脸上五个重要特征点——双眼中心、鼻尖以及嘴角两端的具体坐标。这使得不仅可以准确定位整个人脸范围，还能同步完成高精度的关键部位标记。 ```json { "box": [x_min, y_min, width, height], "confidence": score, "keypoints": { "left_eye": [lx, ly], "right_eye": [rx, ry], "nose": [nx, ny], "mouth_left": [mxl, myl], "mouth_right": [mxr, myr] } } ``` 上述 JSON 结构表示了一个典型的人脸检测结果对象，其中包含了矩形包围盒参数、置信度分数及五官位置信息[^4]。 对于实际应用来说，开发者通常只需要调用封装好的 API 或库函数即可轻松集成 MTCNN 功能到自己的项目中去。例如 `mtcnn` 库提供了非常简便易用的方法来进行批量图片处理。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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