Wav2lip预训练模型，包含人脸检测模型、wav2lip生成模型、wav2lip_gan生成模型、wav2lip判别模型等，使用此模型通过音频驱动视频，生成最终的嘴型与语音的匹配

Wav2Lip-HD预训练模型第一个包，包含人脸检测模型，语音驱动面部模型等，用于数字人语音驱动面部及图像超分辨率

opencv中dnn模块两个人脸检测模型 opencv_face_detector_uint8.pb res10_300x300_ssd_iter_140000_fp16.caffemodel

OpenCV在DNN模块中提供了基于残差SSD网络训练的人脸检测模型，tensorflow版本。

MTCNN（多任务卷积神经网络）人脸检测三个级联层pnet，rnet，onet的pb模型

OpenCV，人脸检测，Python

行业分类-物理装置-人脸检测模型的训练方法及装置.zip

指示 MTCNN是人脸检测模型 中文介绍可以在找到 参考和 ，我修复了一些会出现在训练中的错误，添加了学习率表并优化了训练参数。他们最初提供的模型重量。 测试图片 MTCNN中的WiderFaceVal性能 MTCNN-原始的是原始体重参数的测试结果MTCNN训练的是我训练的测试结果 风格 简单的 中等的 难的 MTCNN原始 65.3％ 65.1％ 40.3％ 经过MTCNN训练 71.4％ 70.4％ 43.2％ 安装 1.pytorch 2.opencv 测试 单张图片 修改程序中的图像路径 python detect.py 训练模型 下载组织数据集目录，如下所示： ./data_set/face_detection/ WIDER_train/ images/ WIDER_val/ images/ 我已经制作了标签文件 ./a

DNN，深度学习使用到的配置文件, 基于OpenCV3.4.3，caffemodel

找了好久，费尽心血才找到