facenet-master_韦访注释，详细说明在博客：https://blog.csdn.net/rookie_wei/article/details/86651369
2019-12-21 21:00:49
2.14MB
1
SeetaFace2采用标准C++开发，全部模块均不依赖任何第三方库，支持x86架构（Windows、Linux）和ARM架构（Android）。SeetaFace2支持的上层应用包括但不限于人脸门禁、无感考勤、人脸比对等。
编译简介
2.1 编译依赖
GNU Make 工具
GCC 或者 Clang 编译器
CM2.2 linux和windows平台编译说明
linux 和 windows 上的 SDK 编译脚本见目录 craft，其中 craft/linux 下为 linux 版本的编译脚本，craft/windows 下为 windows 版本的编译脚本，默认编译的库为64位 Release 版本。
linux 和 windows上的SDK编译方法：
打开终端（windows上为VS2015 x64 Native Tools Command Prompt 工具，linux 上为bash），cd 到编译脚本所在目录；
执行对应平台的编译脚本。
linux 上 example 的编译运行方法：
cd 到 example/search 目录下，执行 make 指令；
拷贝模型文件到程序指定的目录下；
执行脚本 run.sh。
windows 上 example 的编译运行方法：
使用 vs2015 打开 SeetaExample.sln 构建工程，修改 Opencv3.props 属性表中变量 OpenCV3Home 的值为本机上的 OpenCV3 的安装目录；
执行 vs2015 中的编译命令；
拷贝模型文件到程序指定的目录下，运行程序。2.3 Android平台编译说明
Android 版本的编译方法：
安装 ndk 编译工具；
环境变量中导出 ndk-build 工具；
cd 到各模块的 jni 目录下（如SeetaNet 的 Android 编译脚本位置为SeetaNet/sources/jni, FaceDetector的Android 编译脚本位置为FaceDetector/FaceDetector/jni），执行 ndk-build -j8 命令进行编译。
编译依赖说明：人脸检测模块 FaceDetector，面部关键点定位模块 FaceLandmarker 以及人脸特征提取与比对模块 FaceRecognizer 均依赖前向计算框架 SeetaNet 模块，因此需优先编译前向计算框架 SeetaNet 模块。
2019-12-21 20:12:50
2.03MB
1
Multi-PIE数据库人脸关键点标注，适合于用multi-pie数据库做人脸关键点定位及人脸检测算法的训练和测试。PS，只标注了一部分。
2019-12-21 19:38:00
6.69MB
1
python文件，需要安装python，需要有cv2的库。首先cmd,cd 你的路径，python annotate_faces.py -d ./img -n 4(是图片数目)。但是不能保存坐标值，可以对其修改保存坐标值。
2019-12-21 19:32:41
90KB
1
利用python实现Alphapose骨骼关键点信息的提取，将jison中的关键点信息存储到txt文件中。
2019-12-21 18:58:27
88KB
1
自己翻译的IEC62056-47绿皮书关键点，又需要的同学可以参考，不准确地方望指正。自己翻译的IEC62056-47绿皮书关键点，又需要的同学可以参考，不准确地方望指正
2019-12-21 18:57:27
9.89MB
1