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. 基于空间几何变换的人脸对齐(Matlab内置函数

  2. 本文讲解了基于三点和两点的人脸对齐，使用了matlab的内置函数。

  3. 所属分类：讲义

    • 发布日期：2016-03-05
    • 文件大小：292864
    • 提供者：xiamentingtao

  1. 人脸检测、特征点检测、人脸对齐代码

  2. 人脸检测、特征点检测、人脸对齐python代码

  3. 所属分类：Python

    • 发布日期：2016-10-08
    • 文件大小：5120
    • 提供者：gongchangsan

  1. 2017年人脸检测、人脸对齐、人脸识别源码

  2. 人脸检测 人脸对齐 人脸识别工程，五点人脸特征识别 实时性好

  3. 所属分类：机器学习

    • 发布日期：2017-11-23
    • 文件大小：8388608
    • 提供者：cumtxb07

  1. 人脸检测、人脸对齐（MTCNN方法）

  2. 基于mtcnn方法实现人脸对齐，人脸检测，c++代码实现。

  3. 所属分类：机器学习

    • 发布日期：2018-08-27
    • 文件大小：7168
    • 提供者：sinat_31337047

  1. 自适应监督下降方法的姿态鲁棒人脸对齐算法.pdf

  2. 自适应监督下降方法的姿态鲁棒人脸对齐算法.pdf

  3. 所属分类：机器学习

    • 发布日期：2020-05-11
    • 文件大小：2097152
    • 提供者：anitachiu_2

  1. FaceAlignment-人脸对齐.rar

  2. seetaface分为FaceDetection（人脸检测）、FaceAlignment（人脸对齐）、FaceIdentification（人脸识别）三个模块，三个模块相互独立，综合利用起来即可实现最终的人脸识别功能。

  3. 所属分类：C++

    • 发布日期：2020-02-27
    • 文件大小：11534336
    • 提供者：weixin_35770067

  1. dlib人脸对齐程序设计.rar

  2. dlib人脸对齐程序设计（C++） //05-人脸对齐：face_chips为对齐后的目标 dlib::array<array2d > face_chips; dlib::extract_image_chips(img, get_face_chip_details(shapes), face_chips);

  3. 所属分类：深度学习

    • 发布日期：2020-01-05
    • 文件大小：89128960
    • 提供者：wzhrsh

  1. 通过深度多任务学习进行人脸对齐和分割

  2. 通过深度多任务学习进行人脸对齐和分割

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：1048576
    • 提供者：weixin_38698863

  1. 学习用于无约束人脸对齐的多中心卷积网络（CCF-B）

  2. 在本文中，我们提出了一种用于无约束人脸对齐的新型多中心卷积神经网络。 为了利用不同面部地标之间的结构相关性，我们根据其空间位置确定几个聚类。 我们对网络进行了预培训，以学习通用功能表示。 我们进一步微调了预训练模型，以强调分别定位特定的地标集群。 微调有助于平稳地搜索最优解，而不会过度偏离预先训练的模型。 通过结合多个微调模型，我们获得了出色的解决方案。 大量的实验表明，我们的方法具有处理极端遮挡以及姿势，表情，照明的复杂变化的卓越能力。 我们的方法的代码可在http- s：//github.c

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：1048576
    • 提供者：weixin_38703906

  1. 具有自适应学习率的深度卷积网络的人脸对齐

  2. 深度卷积网络已广泛用于人脸识别，而并不经常用于人脸对齐。 其最重要的原因之一是由于繁琐且费时的注释工作，缺少带有地标注释的训练图像。 为了克服这个问题，我们提出了一种新颖的数据扩充策略。 我们针对两个迭代过程设计了一种具有自适应学习率的创新训练算法，可帮助网络搜索最佳解决方案。 我们的卷积网络可以学习全局高级特征并直接预测面部标志的坐标。 广泛的评估表明，在复杂的遮挡，姿势，照明和表情变化的情况下，我们的方法优于最新方法。

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：655360
    • 提供者：weixin_38725450

  1. DAMDNet:DAMDNet用于3D人脸对齐（ICCV2019研讨会）论文-源码

  2. 双重注意力MobDenseNet（DAMDNet）进行稳健的3D人脸对齐（ICCV2019研讨会）-Pytorch 笔记 在“ Demo.py”文件中，您将找到如何运行这些代码。 在“ FaceSwap / Demo2.py”文件中，您将找到如何运行人脸交换代码。 抽象的 本文提出了一种双重注意机制和一种高效的端到端3D人脸对齐框架。通过深度可分离卷积，密集连接卷积和轻量级通道注意机制，我们建立了一个稳定的网络模型。 为了增强网络模型提取人脸区域空间特征的能力，我们采用空间分组智能特征增强模块来

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：131072000
    • 提供者：weixin_42131790

  1. 紧密耦合的数据压缩可实现有效的人脸对齐

  2. 紧密耦合的数据压缩可实现有效的人脸对齐

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：66560
    • 提供者：weixin_38569203

  1. 基于多视角人脸对齐的人脸姿态归一化与仿真方法

  2. 基于多视角人脸对齐的人脸姿态归一化与仿真方法

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：384000
    • 提供者：weixin_38614636

  1. 具有组稀疏特征的人脸对齐的分层上下文模型

  2. 在本文中，我们提出了一种基于群体稀疏特征（LCMGS）的分层人脸对齐模型。 近年来，分层上下文模型在面部对齐方面获得了越来越多的兴趣。 在每一层中，通常将所有面部的特征放在一起形成一个特征库，以供学习的功能捕获丰富的上下文信息。 先前的方法通常将全局特征提供给线性回归器或随机蕨类。 但是，特征选择在机器学习算法中非常重要。 我们提出了一种群体稀疏回归方法来为每个图层中的每个地标选择有用的特征，而不是手动为每个地标选择特征。 在加速近端梯度（APG）框架下优化了群体稀疏回归的目标。 在Helen（

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：1048576
    • 提供者：weixin_38622983

  1. 具有自适应学习率的深度卷积网络的人脸对齐

  2. 深度卷积网络已广泛用于人脸识别，而并不经常用于人脸对齐。 其最重要的原因之一是由于繁琐且费时的注释工作，缺少带有地标注释的训练图像。 为了克服这个问题，我们提出了一种新颖的数据扩充策略。 我们针对两个迭代过程设计了一种具有自适应学习率的创新训练算法，可帮助网络搜索最佳解决方案。 我们的卷积网络可以学习全局高级特征并直接预测面部标志的坐标。 广泛的评估表明，在复杂的遮挡，姿势，照明和表情变化的情况下，我们的方法优于最新方法。

  3. 所属分类：其它

    • 发布日期：2021-03-05
    • 文件大小：1048576
    • 提供者：weixin_38682254

  1. 人脸检测、人脸对齐（MTCNN方法）-附件资源

  2. 人脸检测、人脸对齐（MTCNN方法）-附件资源

  3. 所属分类：互联网

  1. 粗到精细的自动编码器网络（CFAN），用于实时人脸对齐

  2. 粗到精细的自动编码器网络（CFAN），用于实时人脸对齐

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：734208
    • 提供者：weixin_38607864

  1. 人脸检测、人脸对齐（MTCNN方法）-附件资源

  2. 人脸检测、人脸对齐（MTCNN方法）-附件资源

  3. 所属分类：互联网

  1. img2pose：img2pose的官方PyTorch实现：通过6DoF，人脸姿势估计进行人脸对齐和检测-源码

  2. img2pose：通过6DoF，人脸姿势估计进行人脸对齐和检测 图1：我们估计了3D人脸（以银色渲染）的6DoF刚性变换，即使没有脸部检测或人脸界标定位，也可以使其与最小的人脸对齐。 我们估计的3D人脸位置是通过与摄像头的下降距离来渲染的，以实现连贯的可视化。 TL; DR 该存储库提供了一种新颖的方法，可用于在不需要事先进行面部检测的情况下在多个面部上进行六度fredoom（6DoF）检测。 进行预测后，可以将检测结果可视化（如上图所示），自定义投影的边界框，或裁剪并对齐每张脸以进行进

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：13631488
    • 提供者：weixin_42122838

  1. 人脸对齐：使用pytorch构建2D和3D人脸对齐库-源码

  2. 人脸识别 使用世界上最精确的面部对齐网络从Python检测面部标志，该网络能够检测2D和3D坐标中的点。 使用基于深度学习的最新人脸对齐方法进行构建。 注意： lua版本可用。 对于数值评估，强烈建议使用lua版本，该版本使用与本文评估的模型相同的相同模型。 不久将添加更多型号。 产品特点 检测图片中的2D面部地标 import face_alignment from skimage import io fa = face_alignment . FaceAlignment ( face

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：4194304
    • 提供者：weixin_42165583
« 12 3 4 5 6 7 »