Expression Blend 4 套装（带补丁+密匙），由于上传文件大小受限制，把原文件分割成8个部分，需要把8个部分都下载之后再解压第一个部分之后才能正常安装。
2022-01-13 18:35:02
55MB
1
Expression Blend 4 套装（带补丁+密匙），由于上传文件大小受限制，把原文件分割成8个部分，需要把8个部分都下载之后再解压第一个部分之后才能正常安装。
2022-01-13 16:32:34
55MB
1
Expression Blend 4 套装（带补丁+密匙），由于上传文件大小受限制，把原文件分割成8个部分，需要把8个部分都下载之后再解压第一个部分之后才能正常安装。
2022-01-13 16:30:02
55MB
1
Expression Blend 4 套装（带补丁+密匙），由于上传文件大小受限制，把原文件分割成8个部分，需要把8个部分都下载之后再解压第一个部分之后才能正常安装。
2022-01-13 16:28:00
55MB
1
Expression Blend 4 套装（带补丁+密匙），由于上传文件大小受限制，把原文件分割成8个部分，需要把8个部分都下载之后再解压第一个部分之后才能正常安装。
2022-01-13 16:26:16
55MB
1
GTEx数据集（V8）的条件变量自动编码器
该项目旨在使用生成模型生成合成基因表达数据。 我们首先研究数据的3D表示形式以及可能要依据的变量，以便有效地分离分布。 当前模型以组织为条件。
组织着色的GTEx数据集（1000个随机基因）的3D表示形式（UMAP，TSNE，PCA）：
CVAE当前的重建质量，取决于组织。
基于：
对VAE方差损失论文： ， ，
项目进度：
基准模型创建
评估潜在空间中的均值，绝对差和分组的函数
模型调整
潜在空间大小
批次大小，学习率（应尽早确定时期数）
附加致密层的数量，每个附加层中神经元的数量
有条件的VAE模型（条件之一：组织或年龄）
b-VAE模型（损失函数中的MSE / KL散度权重）
相关的VAE（ ）
torch_model.py神经网络的层和属性
gtex_loder.py加载基因表达数据集
torch_train
2022-01-10 10:05:56
1.65MB
1
ets
此存储库为AUNets提供了PyTorch实现。 AUNets依赖于每个面部表情具有独立的和二进制的CNN的功能。 它适用于整体面部图像，即无需关键点或面部矫正。
项目页面： :
引文
@article{romero2018multi,
title={Multi-view dynamic facial action unit detection},
author={Romero, Andr{\'e}s and Le{\'o}n, Juan and Arbel{\'a}ez, Pablo},
journal={Image and Vision Computing},
year={2018},
publisher={Elsevier}
}
用法（火车）
$./main.sh -GPU 0 -OF None # It will train AUNets (1
2022-01-07 20:12:37
4.64MB
1
Facial Action Recognition for Facial Expression.....
2022-01-03 16:15:26
810KB
1
面部表情识别
一个用于识别实时网络摄像头图像上面部表情的卷积神经网络。
安装
该实现已通过Python 3.6.3进行了测试。 您可以根据需要使用conda或virtualenv创建全新的虚拟环境。 TensorFlow 正式conda ，因此pip用于软件包管理。 所有依赖项都可以在requirements.txt文件中找到。
激活Python 3环境后，您可以使用以下命令安装要求
pip install -r path/to/requirements.txt
实时预测
如果您的计算机装有网络摄像头，则可以即时计算预测。 脱下眼镜和帽子，开始进行实时预测
python webcam.py
训练
如果您想自己训练Tensorflow CNN，则需要从kaggle和获取。 对于CK +，您可以使用ckplus_to_csv.py脚本自动检测所有面Kong，解析灰度强度并将所有CK图像收集到
2021-12-30 14:38:45
225.29MB
1
A Compact Embedding for Facial Expression Similarity, CVPR2019
2021-12-28 09:09:42
770KB
1