对 Deep convolutional network cascade for facial point detection[CVPR13]一文的复现，可演示的可执行文件。 目前只实现了第一层。

Pytorch框架Resnet_VGG两种网络实现人脸表情识别源码+训练好的模型+项目详细说明+PPT报告.zip 包含的网络有resnet网络，vgg网络，以及对应训练好的模型文件， 包含项目详细说明文档，可参考文档操作学习。 包含制作好的答辩PPT 该项目可以用来参考学习，适合深度学习初学者或者需要实践经验的工程师使用，也可以直接拿来作为毕设使用，请放心下载！ 由于该项目使用的人脸识别数据集太大，无法一起上传，故使用的数据集 下载链接为：https://download.csdn.net/download/DeepLearning_/87325578

基于opencv实现的人脸识别，可以通过摄像头获取所要识别的人脸，读取多个人脸并将中文名显示，具体可观看个人博客。 人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别

用卷积神经网络做的人脸识别，准确率达到92.75%。

基于卷积神经网络实现的面部表情识别项目。采用卷积神经网络(CNN)来完成特征提取和分类的任务，因为 CNN 是模仿人脑工作并建立卷积神经网络结构模型的著名模型，所以选择卷积神经网络作为构建模型体系结构的基础，最后不断训练，优化，最后达到较准确识别出面部表情的结果。

CNN人脸检测VS2015+Opencv310_人脸识别_OPENCV_C++

上回书说到了对人脸的检测，这回就开始正式进入人脸识别的阶段。 关于人脸识别，目前有很多经典的算法，当我大学时代，我的老师给我推荐的第一个算法是特征脸法，原理是先将图像灰度化，然后将图像每行首尾相接拉成一个列向量，接下来为了降低运算量要用PCA降维， 最后进分类器分类，可以使用KNN、SVM、神经网络等等，甚至可以用最简单的欧氏距离来度量每个列向量之间的相似度。OpenCV中也提供了相应的EigenFaceRecognizer库来实现该算法，除此之外还有FisherFaceRecognizer、LBPHFaceRecognizer以及最近几年兴起的卷积神经网络等。 卷积神经网络（CNN）的前级包

try to fill this gap and study the effects of different covariates on the verification performance of four recent CNN models using the Labelled Faces in the Wild dataset

参照经典的卷积神经网络模型 Ｌｅｎｅｔ－５的结构，提出一种适用于该数据集的CNN结构

Python基于OpenCV的CNN人脸识别，仅供学习参考-