日萌社
人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战(不定时更新)
Adaboost 人脸检测:Haar特征及积分图、分类器的级联
关键点提取:face_recognition、疲劳检测、人脸校准、人脸数据库
https://www.kaggle.com/deadskull7/fer2013
Fer2013人脸表情数据集由35886张人脸表情图片组 成,其中,测试图(Training)28708张,公共验证
图(PublicTest)和私有验证图(PrivateTest)各 3589张,每张图片是由大小固定为48×48的灰度图
像组成,共有7种表情,分别对应于数字标签0-6, 具体表情对应的标签和中英文如下: 0 anger 生气; 1 disgust 厌恶; 2 fear 恐 惧; 3 happy 开心; 4 sad 伤心;5 surprised 惊 讶; 6 normal 中性。
数据集并没有直接给出图片,而是将表情、 图片数据、用途的数据保存到csv文件中: 第一张图是csv文件的开头,第一行是表
头,说明每列数据的含义,第一列表示表 情标签,第二列即为图片数据,这里是原 始的图片数据,最后一列为用途。
数据集并没有直接给出图片,而是将表情、 图片数据、用途的数据保存到csv文件中: 第一张图是csv文件的开头,第一行是表头, 说明每列数据的含义,第一列表示表情标 签,第二列即为图片数据,这里是原始的 图片数据,最后一列为用途。
300 Face in Wild
是一个人脸识别和轮廓标注数据,该数据及也是机器视觉等级会议
ICCV 2013 人脸检测竞赛所使用的数据集。
helen
数据集有
2330
张图片,每个图片有
11
个分类。
除 Kodak Data Set 之外,现有图像库大多是灰度图像,这是因为早期的人脸检测和识别算法都是针
对灰度图像展开的,及后期图像灰度化的需要。随着彩色图像的普及,彩色图像中的人脸检测方法
(例如基于肤色分割的方法)也越来越受到研究者的重视,对这些方法的训练、测试和评价的图像库还
比较少,一般由研究者根据特定的标准自主建立。
1,人脸识别流程:
人脸采集,人脸检测,人脸图像预处理,人脸特征提取,匹配与识别
2,人脸检测:
检测速度,鲁棒性,误识别率,检测率
3,常用数据集:
FER13 Dataset,300 Face in Wild等等