NABirds
使用关键点组织NABirds数据集并为鸟脸构造边界框标签。 然后将它们用于训练用于鸟类身体和面部检测的深层模型。
应用程序：
人脸数据集
NABirds包含48562只鸟类，包围盒和11个身体部位，以及物种识别
选择了46824个，〜1700个面部特征不好或太小
约334个标签错误的零件或错误的边界框已得到纠正更有可能被忽视
从这些图像中构造了脸部BB。
使用与头部相关的5个身体部位（x，y） 钞票，冠，项颈，左眼和右眼
这些x，y用于确定朝向或方向
考虑了10个方向
例如面对左，右，下，上，上，下，朝着相机，身体其他部位上方或下方的部位
以及缺少的部分，没有冠或项，一只眼睛或两只眼睛
身体部位距离的比率，用于确定盒子周围零件的额外空间
帮助防止BB变成脸部横截面
图像尺寸已考虑在内，以防止扩展到
测试所有BB的错误，并从每张图像中裁剪以确认大小正确
这些图像被分为
2021-12-07 20:03:30
7.76MB
1
完整英文电子版 IEEE Std 1752.1-2021 Open Mobile Health Data—Representation of Metadata, Sleep, and Physical Activity Measures(开放移动健康数据——元数据、睡眠和身体活动测量的表示)。该标准定义了表示移动健康最低元数据、与睡眠和身体活动相关的数据的规范。 定义了与一些环境变量、调查和相关测量单位和值集有关的数据，因为它们需要用于表示最少元数据、与睡眠和身体活动相关的数据。 该标准与当前或未来测量这些类型健康数据的设备或应用程序无关。
2021-10-11 13:04:05
972KB
pytorch-openpose
的pytorch实施包括身体和手姿态估计，并且pytorch模型直接从转换 caffemodel通过 。 如果您有兴趣，也可以用相同的方法实现人脸关键点检测。请注意，人脸关键点检测器是使用[Simon等人，2003年。 2017]。
openpose通过身体姿势估计的结果来检测手，请参考的代码。 在本文中，它表示为：
This is an important detail: to use the keypoint detector in any practical situation,
we need a way to generate this bounding box.
We directly use the body pose estimation models from [29] and [4],
and use the wrist a
2021-10-09 15:00:51
19.29MB
1