dat文件,具体名称为shape_predictor_68_face_landmarks.dat 人脸68个关键点：嘴巴，鼻子，眼睛，眉毛，轮廓等 Landmark人脸68个关键点检测dat模型库

行业分类-作业装置-一种人脸关键点检测方法、装置、电子设备及存储介质.zip

AlphaPose的轻量化单人姿态估计网络（SPPE）训练代码 使用步骤 1. 下载数据集放置到train_demo/data文件夹 2. pip install -r requirements.txt 3. 安装pycocotools和alphapose 3.1 cd train_demo 3.2 python setup.py install 3.3 python setup1.py build develop 4.开始训练 python train_demo/train.py 相关博客：https://blog.csdn.net/xzq1207105685/article/details/119331007

FashionNet的前向计算过程总共分为三个阶段：第一个阶段，将一张衣服图片输入到网络中的蓝色分支，去预测衣服的关键点是否可见和位置。第二个阶段，根据在上一步预测的关键点位置，关键点池化层（landmark pooling layer）得到衣服的局部特征。

关键点检测是许多计算机视觉任务的基础，例如表情分析、异常行为检测。大家接触最多的可能是人脸关键点检测，广泛应用于人脸识别、美颜、换妆等。 本次AI研习社举办猫脸关键点检测，训练集有10468张，测试集9526张，目标是检测猫脸的9个关键点。其实我在读书期间就看到过这个猫脸数据，来自CUHK。猫脸关键点检测也是比较新的一个方向，例子比较直接，也非常方便用于例子讲解。 猫脸关键点和人脸关键点类似，每个猫都有9个关键点信息，总共18个坐标信息。由于猫脸关键点任务中每一张图片只包含一个猫，所以在进行关键点检测的过程中并不需要加入检测的过程，只需要预测关键单坐标的位置即可。 即我将猫脸关键点检测抽象成

人脸关键点检测SDK Android版本，包含人脸检测和101人脸关键点检测两部分，使用非常简单，直接AAR包调用即可

openpose官方代码以及coco关键点格式的模型

关键点检测 格式转换 将labelme标注的关键点数据转换为coco格式

基于深度残差网络的人脸关键点检测

Dlib模块的68个人脸关键点检测，包括下巴：[0, 17]，右（左）眉毛：[17, 22]（[22, 27]），鼻子[27, 36]，右（左）眼睛[36, 42]（[42, 48]），嘴巴轮廓[48, 61]，嘴巴[61, 68]