人脸关键点标定竞赛数据，是为图像中的人脸标定15个关键位置点，图像时96x96像素的，每个关键点对应一个二维位置坐标用以标识关键点的位置。

活动形状模型 用于面部关键点检测的主动形状​​模型 对象的形状由一组点表示（由形状模型控制）。 ASM算法旨在将模型与新图像匹配。 它使用主成分分析来减少要检查的点数，或者可以说是定义形状中的点之间的关系。 在这里，我们仅考虑由n个维度中的有限数量的k个点组成的对象。 通常，这些点是在复杂物体（例如人骨）的连续表面上选择的，在这种情况下，它们被称为界标点。 运行：运行文件名Shape_to_image.py，它带有两个参数，如下所示 python Shape_to_image.py [调整形状] [寻找形状的图像]

人脸关键点编辑器,是 68个点的 编辑器； 因为此版本用的是 vs2012，如果你不能使用 请安装本路径下的：微软的 vcredist_x86.exe

通过给定的曲线，然后取得线上的点，通过点获取到这条线上的关键点

浅谈中国画教学改革与学生创业的关键点.pdf

输电线路工程施工现场关键点作业安全管控措施借鉴.docx

基于深度学习的人脸检测和人脸关键点检测，包含python和C++两个版本，提供了所有代码和运行数据

拷贝移动攻击被大量用于隐藏或隐藏数字图像中的某些数据以达到特定目的，并且在此攻击上将真实图像的某些部分复制并粘贴到同一图像中。 因此，复制移动伪造是一个非常重要的问题，也是检查图像确认的活跃研究领域。 本文提出了一种复制移动伪造检测系统。 所提出的系统由两个阶段组成：一个阶段称为检测阶段，第二阶段称为优化检测阶段。 检测阶段使用加速鲁棒特征（SURF）和二进制鲁棒不变可扩展关键点（BRISK）进行特征检测，在细化检测阶段，使用使用非线性变换的图像配准来提高检测效率。 最初，选择真实图像，然后同时使用SURF和BRISK特征提取来检测兴趣关键点。 这给出了适当数量的兴趣点，并为找到大多数被操纵区域提供了保证。 使用RANSAC来找到上等的匹配项，以区分操纵部分。 然后，将两个提取特征之间的最佳匹配集之间的非线性转换用作优化，以获取最佳匹配集并检测复制的区域。 使用许多基准数据集（例如CASIA v2.0，MICC-220，MICC-F600和MICC-F2000数据集）进行了许多数值实验。 使用提出的算法，使用上述数据库进行评估可获得95.33％的总体平均检测精度。 对于带有物体平移，不

图像标注工具，支持图片和视频标注，可标注矩形、多边形、直线、折线、圆、点，集成大量适用小功能，大大提高标注效率，具体功能见：https://blog.csdn.net/qq_42886289/article/details/119209140

图像标注工具，支持图片和视频标注，可标注矩形、多边形、直线、折线、圆、点，集成大量适用小功能，大大提高标注效率，具体功能见：https://blog.csdn.net/qq_42886289/article/details/119209140