VGG – Face Dataset 是爬取网页上名人图片的数据集，其中包含 2622 个名人图片，该数据集旨在与流行的面部识别基准数据集没有重叠，其中包括 Labeled Faces in the Wild（LFW），YouTube Faces Dataset 和 IARPA Janus Benchmark A (IJB-A)。

CMU Frontal Face Images Dataset 是一个用于人脸识别和身份鉴定的图像数据集，包含 511 个闭合的人脸图像，其中有 130 个是正面的人脸图像，所有图片均为黑白的 GIF 格式。 CMU – MIT Dataset 由卡内基·梅隆大学和麻省理工学院于 2016 年联合发布。

FaceShifter —非官方的PyTorch实施 非官方实现借助。 在本文中，有两个用于全流水线的网络，即AEI-Net和HEAR-Net。 我们仅实现AEI-Net，这是用于人脸交换的主要网络。 数据集 准备资料 您需要下载并解压缩： CelebA-HQ（） VGGFace（） 预处理数据 预处理代码主要基于Nvidia的FFHQ预处理代码。 您可以使用多种处理功能修改我们的预处理程序，以更快地完成预处理步骤。 # build docker image from Dockerfile docker build -t dlib:0.0 ./preprocess # run docker container from image docker run -itd --ipc host -v /PATH_TO_THIS_FOLDER/preprocess:/workspace -v

超人梭子鱼 UltraFaceBarracuda是一个Unity示例项目，显示了如何在Unity 上运行脸检测神经网络模型。 有关UltraFace（“ Ultra-Light-Fast-Generic-Face-Detector-1MB”）模型的详细信息，请参见。 系统要求 统一2020.2 梭子鱼1.3.0 样例场景 静态图像测试 StaticImageTest使用给定的单个图像运行面部检测模型。 它使用Unity UI系统可视化边界框，该边界框显示了如何通过简单的C＃脚本使用检测结果。 网络摄像头测试 WebcamTest使用来自与UVC兼容的视频捕获设备（网络摄像机，HDMI捕获等）的视频流来运行面部检测模型。 它使用间接绘图来绘制边界框-换句话说，它可以可视化检测结果，而无需GPU-to-CPU的回读，因此它可以以高性能的方式运行。 您还可以设置纹理来装饰边框。

将winder数据集转换为 VOC格式，可用于人脸检测训练

将开源winder数据集进行格式转换，转换成VOC格式，可用于人脸检测训练与测试

dlib库中所需的人脸检测预训练模型文件，mmod_human_face_detector.dat。

用于面部识别的计算机视觉算法概述。 本文的主要思想是探索一种算法，该算法可用于具有合适方法和可用输入的生物识别考勤系统。 该算法主要使用面向直方图的梯度来寻找人脸、估计人脸地标、支持向量机识别人脸和深度卷积网络来比较人脸。 文章中描述了面部识别的基础和科学程序。 还开发了一个基本应用程序，以标记人脸出现的时间是 .csv 格式并标记出勤。 本文主要使用 dlib 和 face_recognition 库来提供功能。

matlab曲线的颜色代码面边界 该程序将图像作为输入并绘制： 鼻尖 脸的边界 在面的右侧（从我们的角度来看）以2度的间隔在边界上绘制点。 您可以在左侧的代码中轻松更改此代码。 用线连接2点 这个概念 我们首先使用CascadeObjectDetector检测鼻子和眼睛。 我将这些区域扩展到分别包括嘴巴和眉毛。 这些区域被迫成为最终面部区域的一部分。 通过对灰度图像的二阶导数进行阈值化来完成面部边界的检测。 尤其是下巴很难正确检测。 下巴和颈部之间的边界通过施加较大的腐蚀步骤而突出显示。 由于此步骤对面部区域的噪声敏感，因此首先通过应用较小的膨胀和腐蚀步骤对图像进行非线性滤波。 使用侵蚀的图像确定脸部区域，否则下巴和颈部之间的边界可能不清晰。 然后，通过应用（反向）膨胀步骤来消除大的侵蚀。 对于简单方法而言，结果是相当不错的，但并不完美。 通过迭代更改用于二阶导数的阈值，您可能会获得更好的结果。 如果您从较大的阈值开始，则脖子将被包括在面部区域中。 您可以通过假设鼻子区域和脸部底部之间有一些最大距离来检测到它。 然后，您可以降低阈值，直到不再包括颈部。 使该方法更健壮的另一种选择可能是

更新 更新22/01/2020您可能有兴趣关注以观看有关计算机视觉，机器学习，深度学习和机器人技术的每周视频。 Deepgaze 2.0的更新16/07/2019稳定版本可分支2.0 。 更新20/03/2019开始在Python / OpenCV 3.0上进行移植，请检查分支2.0以获取初步版本。 更新10/06/2017文章“使用卷积神经网络和自适应梯度方法在野外进行头部姿态估计”的PDF使用可在未来50天内免费下载 更新2017年4月6日，文章“使用卷积神经网络和自适应梯度方法在野外进行头部姿态估计”已在Pattern Recogntion（Elsevier）中接受发表。 Deepgaze CNN头部姿势估计器模块基于此工作。 更新31/05/2017新软件包。 该软件包包含用于显着性检测的算法的实现 更新22/03/2017修复了mask_analysis.py中的一个