注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. python dlib 人脸对齐代码

  2. 基于python和dlib编写的人脸对齐程序。包含了两个测试模型（人脸特征点68点检测和5点检测的模型），还有测试图片。详细可以参考博客：http://blog.csdn.net/hongbin_xu/article/details/78511292

  3. 所属分类：机器学习

    • 发布日期：2017-11-12
    • 文件大小：74mb
    • 提供者：hongbin_xu

  1. 人脸识别代码

  2. ----------------- # DFace • [![License](http://pic.dface.io/apache2.svg)](https://opensource.org/licenses/Apache-2.0) | **`Linux CPU`** | **`Linux GPU`** | **`Mac OS CPU`** | **`Windows CPU`** | |-----------------|---------------------|----------

  3. 所属分类：机器学习

    • 发布日期：2018-03-20
    • 文件大小：2mb
    • 提供者：ihftujb

  1. SeetaFace JavaDemo(含64为dll、不含三个模型)

  2. 开源的SeetaFace人脸识别引擎是由中科院计算所山世光研究员带领的人脸识别研究组研发。代码基于C++实现，且不依赖于任何第三方的库函数，开源协议为BSD-2，可供学术界和工业界免费使用。 具体介绍请参考《深度学习大讲堂知乎专栏》 https://zhuanlan.zhihu.com/p/22451474 Github开源项目: https://github.com/seetaface/SeetaFaceEngine SeetaFace人脸识别引擎包括了搭建一套全自动人脸识别系统所需的三个核

  3. 所属分类：Java

    • 发布日期：2018-08-22
    • 文件大小：517kb
    • 提供者：flyaimo

  1. 基于Tensorflow的人脸识别源码

  2. 该代码使用Tensorflow r1.7在Ubuntu 14.04下使用Python 2.7和Python 3.5进行测试。代码中包含测试用例。模型使用固定图像标准化。在中科院自动化所，WebFace数据集已经被用于训练。该面部检测后，该训练集包括总共453 453个图像，超过10 575个身份。如果在训练之前过滤了数据集，则可以看到一些性能改进。有关如何完成此操作的更多信息将在稍后提供。性能最佳的模型已经在VGGFace2数据集上进行了训练，该数据集由~ 3.3M面和~9000个类组成。提供

  3. 所属分类：深度学习

    • 发布日期：2018-10-28
    • 文件大小：2mb
    • 提供者：as1072966956

  1. 基于Tensorflow的人脸识别源码

  2. 该代码使用Tensorflow r1.7在Ubuntu 14.04下使用Python 2.7和Python 3.5进行测试。代码中包含测试用例。模型使用固定图像标准化。在中科院自动化所，WebFace数据集已经被用于训练。该面部检测后，该训练集包括总共453 453个图像，超过10 575个身份。如果在训练之前过滤了数据集，则可以看到一些性能改进。有关如何完成此操作的更多信息将在稍后提供。性能最佳的模型已经在VGGFace2数据集上进行了训练，该数据集由~ 3.3M面和~9000个类组成。提供

  3. 所属分类：深度学习

    • 发布日期：2019-01-07
    • 文件大小：2mb
    • 提供者：pxxaish9527

  1. 安全帽人脸二分类的训练和测试代码、数据集和训好的模型.zip

  2. 对 你没看错 30M不到里面含有数据集和模型。其实就是个人脸和安全帽分类的二分类网络。山寨版的安全帽检测其实就是需要你自己准备个人脸检测模型，然后人脸外扩1.5，外扩图送入分类网络分类。该代码适合新人上手Pytorch。

  3. 所属分类：深度学习

    • 发布日期：2020-06-23
    • 文件大小：25mb
    • 提供者：a819411321

  1. 人脸检测代码和模型测试

  2. 本资源包括人脸检测源代码，里面有模型与对应的训练脚本，还有测试图片，可以直接运行脚本进行人脸检测，亲测有效

  3. 所属分类：深度学习

    • 发布日期：2020-11-09
    • 文件大小：606mb
    • 提供者：weixin_40873788

  1. 【深度学习入门】Paddle实现人脸检测和表情识别（基于TinyYOLO和ResNet18）

  2. 【深度学习入门】Paddle实现人脸检测和表情识别（基于YOLO和ResNet18）一、先看效果：训练及测试结果：UI 界面及其可视化：二、AI Studio 简介：平台简介：创建项目：三、创建AI Studio项目：创建并启动环境：下载数据：下载预训练模型：四、代码讲解：五、算法详解：YOLO 算法详解：ResNet 算法详解：欢迎关注我的主页~ 博主主页：https://blog.csdn.net/weixin_44936889 未经博主允许，本文禁止转载！ 一、先看效果： 本项目在 AI

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：77kb
    • 提供者：weixin_38641876

  1. Retinaface_CPP:Retinaface人脸检测网络MNN，NCNN嵌入式，Linux端推理子系统，包含一个卡通人脸检测的模型，脚本一键替换程序-源码通

  2. 视网膜面CPP 包含使用MNN，NCNN部署的代码包含编译好的linux x86_64（ubuntu20.04）平台下的ncnn，MNN，opencv库，可以直接编译测试，需要修改makefile中的路径包含一个模型可以检测动漫卡通人物的人脸 编译和测试在ubuntu 20.04上进行编译和测试 make Retinaface_NCNN ./Retinaface_NCNN test_carton.list make Retinaface_MNN ./Retinaface_MNN test_car

  3. 所属分类：其它

    • 发布日期：2021-03-24
    • 文件大小：205mb
    • 提供者：weixin_42099176

  1. mmpose:OpenMMLab姿势估计工具箱和基准-源码

  2. 介绍 English | MMPose是一个基于PyTorch的开源姿势估计工具箱。它是的一部分。 master分支可与PyTorch 1.3+一起使用。 COCO 17点姿势估计 133点全身姿势估计（） 主要特点 支持多种任务 我们支持当前研究领域中广泛的主流人体姿势分析任务，包括2d多人人体姿势估计，2d手姿势估计，2d人脸界标检测，133个关键点全身人姿势估计，时尚界标检测和3d人网格恢复。 更高的效率和更高的精度 MMPose实现了多种最新（SOTA）深度学习模型，包括自上而

  3. 所属分类：其它

  1. CaricatureFace:论文“使用非线性参数模型进行漫画的地标检测和3D人脸重构”的源代码-源码

  2. 漫画脸 该存储库包括源代码，预训练的模型和3D数据集，其论文为“使用非线性参数模型进行漫画的地标检测和3D面部重构”，图形模型（2021）， 。 作者：蔡洪瑞，郭宇东，彭壮和。 请注意，所有代码均受专利保护。 它只能用于研究目的。 如果您对商业目的/营利目的感兴趣，请联系Juyong Zhang（通讯作者，电子邮件： ）。 更新日志： 2021年1月3日 公开整个3D漫画数据集！ 并附加脚本以进行可视化！ 2020年12月5日 更新示例并添加展览图。 2020年8月26日 添加一种用于计

  3. 所属分类：其它

  1. 桌面应用程序脸识别Python-源码

  2. 人脸识别 人脸识别是一种系统，旨在通过机器学习模型自动检测和识别人脸，然后根据用户的级别提供对私人信息的访问。 楷模 每个测试模型的指标信息： 特征脸 渔人脸 LBPH（本地二进制图案直方图） FisherFaces模型获得了最佳指标，这就是系统中考虑的指标 :robot: 系统工作流程 有关更多详细信息，请在doc文件夹中找到完整的学术论文。 它是为学术工作而开发的 :warning: 葡萄牙语学术论文-巴西 :warning: 待办事项 []提供有关系统工作流程的更多详细信息 []将

  3. 所属分类：其它

  1. 使用MTCNN的人脸检测：此存储库包含用于人脸检测的多任务级联卷积神经网络的实现-源码

  2. 使用MTCNN进行人脸检测 这是Zhang，K等人的用于面部检测的多任务级联卷积神经网络的实现。 （2016） 的代码已经从ipazc正式实施MTCNN的分叉 安装 使用requirements.txt文件安装依赖项。 pip3 install -r requirements.txt 用法 使用jupyter笔记本的来测试MTCNN的实现。 在每个步骤中，所有代码都精美地引用了知识。 输出 这是带有边界框检测和关键点的模型输出。

  3. 所属分类：其它

  1. mtcnn-align-facenet部署：本项目是利用mtcnn网络和facenet网络实现了一个简单的人脸识别功能。整体流程大致如下：首先利用mtcnn网络进行人脸检测和人脸关键点（5个）提取；接着利用人脸关键点进行人脸校正（仿射变换）

  2. mtcnn对齐facenet部署 项目简介 本项目参考了bubbliiiing的和两个工程，在此对作者表示感谢！ 这两个工程都是keras模型，所提供的模型文件都只有权重没有网络结构，我利用作者提供的网络定义和权重文件重新生成了带有网络结构的权重文件。某个原始先只有权重的模型文件pnet.h5 ，生成包含网络结构和权重的模型文件PNET.h5 。接着用keras2onnx工具把它（ PNET.h5 ）转换成onnx模型pnet.onnx ，其他胶水部分的逻辑没什么变化。具体的转换代码请参考ker

  3. 所属分类：其它

  1. tensorflow-MTCNN：人脸检测MTCNN算法，采用tensorflow框架编写，从理解到训练，中文注释完全，含测试和训练，支持摄像头-源码

  2. 张量流 人脸检测MTCNN算法，采用tensorflow框架编写，从理解到训练，中文注释完全，含测试和训练，支持摄像头，代码参考 ，相应地减少了尺寸和优化。 模型理解 是目前比较流行的人脸检测方法，通过人脸检测可以进行更精准的人脸识别。模型主要通过PNet，RNet，ONet三个网络级联，一步一步精调来对人脸进行更准确的检测。论文中的模型图如下： 接下来我会从我在训练中的理解来解释MTCNN模型都干了什么。三个模型要按顺序训练，首先是PNet，然后RNet，最后ONet。 PNet： PNet

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：14mb
    • 提供者：weixin_42121412

  1. cnn-facial-landmark：基于深度卷积神经网络的人脸标志检测训练代码-源码

  2. cnn-facial-landmark 基于卷积神经网络的人脸标志检测。 这是显示检测结果的示例gif。 该模型是使用TensorFlow构建的，并提供了训练代码，因此您可以使用自己的数据集训练自己的模型。 随附的教程也，其中包括背景，数据集，预处理，模型架构，培训和部署。 我尽力使它们对于初学者来说简单易懂。 遇到困难时可以随时提出问题，也可以分享一些好主意。 入门 这些说明将为您提供在本地计算机上运行并运行的项目的副本，以进行开发和测试。 先决条件 正在安装 只需git克隆此仓库，您就

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：615kb
    • 提供者：weixin_42117224