在编写人脸的探测和标识程序之前，我们要先把“68”点人脸探测模型添加到pycharm工程中。具体操作是先复制本文件夹，然后进入pycharm鼠标右键点击工程名，最后再选择粘贴。
2022-12-09 22:09:15
67.82MB
1
face-landmark-localization
This is a project predict face landmarks (68 points) and head pose (3d pose, yaw,roll,pitch)
2022-09-13 15:05:16
3.34MB
1
人脸68点 landmark
改进方法：让机器自动去识别人脸的关键点部位，然后进行标注，可节省人工劳动力，运用机器学习的方法来提升标注的效率
在优化相关图像识别算法提供了一种参考思路
2022-04-17 16:08:27
1.91MB
1
Face Alignment at 3000fps via Regressing Local Binary Features中LBF特征的理解
2022-03-20 11:25:36
793KB
1
编译opencv所需下载的3rdparty，主要是 .cache中的文件，如ade、face_landmark_model、ffmpeg、ippicv、boostdesc、vgg等文件。
2022-03-05 01:36:09
108.57MB
1
面部标志检测引擎
HRNet的TensorFlow实现，用于面部标志检测。
观看此演示视频： 。
特征
支持多个公共数据集：WFLW，IBUG等。
先进的模型架构：HRNet v2
数据扩充：随机缩放/旋转/翻转
模型优化：量化，修剪
入门
这些说明将为您提供在本地计算机上运行并运行的项目的副本，以进行开发和测试。
先决条件
正在安装
获取培训的源代码
# From your favorite development directory
git clone --recursive https://github.com/yinguobing/facial-landmark-detection-hrnet.git
生成训练数据
有多个可用的公共面部标记数据集，可用于生成我们需要的训练热图。 对于此训练过程，图像将被放大。 第一步是将数据集转换为更易于处理的更均匀的分布。 您可以自己执行
2022-03-01 13:20:51
23.12MB
1