Face Detection System matlab实现的人脸识别系统，含有9个源代码文件，及上百幅人脸图片-Face Detection Systemmatlab realize the face recognition system, containing nine source code files, and hundreds of pieces of face image

口罩检测（Face）数据集.zip

面膜检测-深层神经网络-三重解决方案 遮罩检测问题的三种解决方案，第一种以卷积神经网络的形式呈现，第二种以全连接神经网络的形式呈现，第三种以传递学习神经网络为基础。它们是通过Tensorflow Keras实现的。 背景 该报告介绍了遮罩检测问题及其解决方案。 它包含描述三种不同神经网络的三种配置：第一种是完全连接的网络。 第二个是基于转移学习的网络，第三个是卷积神经网络。 在此报告中，您将找到使用上述模型和其他信息（例如图形，代码行屏幕截图，损失与验证以及其他有助于理解我们的项目的ML概念）解决此问题的完整过程。 资料说明 用于训练模型的数据包含10,000张图像，其中一半显示一个戴着口罩的人，另一半显示未蒙面的人。我们使用的数据包含一个验证集，包含1,000张图片，500张蒙面和500张无遮盖的脸。 第三组用于测试模型，其中包含1,000张图片，500张蒙面和500张非蒙面。 你可以从

已标注的基于像素的皮肤检测数据集，图片收集自网络名人图，包括32张单人原图和46张多人原图，以及各自对应的皮肤标注掩膜黑白图，即掩膜标签图中白色（255或1）为皮肤、黑色（0）为非皮肤，原图包括不同肤色、不同种族、不同年龄段、不同场景等。 已标注的基于像素的皮肤检测数据集，图片收集自网络名人图，包括32张单人原图和46张多人原图，以及各自对应的皮肤标注掩膜黑白图，即掩膜标签图中白色（255或1）为皮肤、黑色（0）为非皮肤，原图包括不同肤色、不同种族、不同年龄段、不同场景等。 已标注的基于像素的皮肤检测数据集，图片收集自网络名人图，包括32张单人原图和46张多人原图，以及各自对应的皮肤标注掩膜黑白图，即掩膜标签图中白色（255或1）为皮肤、黑色（0）为非皮肤，原图包括不同肤色、不同种族、不同年龄段、不同场景等。 已标注的基于像素的皮肤检测数据集，图片收集自网络名人图，包括32张单人原图和46张多人原图，以及各自对应的皮肤标注掩膜黑白图，即掩膜标签图中白色（255或1）为皮肤、黑色（0）为非皮肤，原图包括不同肤色、不同种族、不同年龄段、不同场景等。

Casia 人脸图像数据库5.0(或 casia-facev5)包含2500张500个对象的彩色人脸图像。用罗技 USB 摄像机一次性拍摄到了 casia-facev5的脸部图像。Casia-facev5的志愿者包括研究生、工人、服务员等，所有人脸图像都是16位彩色 bmp 文件，图像分辨率为640 * 480。典型的班内变化包括光照、姿势、表情、眼镜、成像距离等。

人脸检测器（移动版） 该应用程序是用React Native编写的面部检测应用程序的移动版本

人脸_面具_检测_CNN 基于计算机视觉和深度学习的OpenCV和Pytorch面罩检测系统 数据集 下载数据集： : 训练 训练ResNet50模型：在train_resnet50.ipynb中，选择data_path（安装数据集的位置）和model_dir（应保存训练后的模型的位置）。执行train_resnet50.ipynb 训练MobileNetV2模型：在train_mobilenetv2.ipynb中，选择data_path（安装数据集的位置）和model_dir（应保存经过训练的模型的位置）。执行train_mobilenetv2.ipynb 测验 打开test.ipynb 在导入中：从model_resnet50导入模型中选择以测试ResNet50模型，从model_mobilenetv2导入模型中选择以测试MobileNetV2模型。 选择一个model_p

3-Soft Face.zip3-Soft Face.zip3-Soft Face.zip

FaceDetectAndRecogize detect face with mtcnn and aligment and embedder with insightface the model test on dataset lfw accuracy reached 99.5% dataset sia-asia-500 lfw accuracy reached 99.6% demo 中已经添加： 1.人脸录入 2.人脸验证（解锁）功能 已经完成工作： 1.人脸检测 2.人脸对齐 3.人脸识别 待完成: 活体检测 防打印照片以及视频回放欺诈

CMU_PIE_Face数据库，在网上很难找到了