腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

机器学习、深度学习

专栏作者

382

文章

429015

阅读量

79

订阅数

快速人脸验证--MobileFaceNets: Efficient CNNs for Accurate Real-time Face

人脸识别机器学习神经网络深度学习人工智能

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/zhangjunhit/article/details/81503343

2019-05-27

1.6K0

大角度人脸转正--Towards Large-Pose Face Frontalization in the Wild

机器学习神经网络深度学习人工智能人脸识别

Towards Large-Pose Face Frontalization in the Wild ICCV2017 https://www.arxiv.org/abs/1704.06244 http://cvlab.cse.msu.edu/project-face-frontalization.html

2019-05-26

1.9K1

对抗网络用于人脸转正--Beyond Face Rotation

机器学习神经网络人工智能人脸识别深度学习

Beyond Face Rotation: Global and Local Perception GAN for Photorealistic and Identity Preserving Frontal View Synthesis

2019-05-26

1.3K0

人脸检测--S3FD: Single Shot Scale-invariant Face Detector

S3FD: Single Shot Scale-invariant Face Detector ICCV2017 Caffe code will be available

2019-05-26

9490

人脸检测--Scale-Aware Face Detection

针对人脸检测中的人脸多尺度问题，本文首先用一个 Scale Proposal Network (SPN) 估计出图像中人脸的尺度分布，然后按照该尺度归一化图像，再进行人脸检测

2019-05-26

5570

人脸识别--SphereFace: Deep Hypersphere Embedding for Face Recognition

人脸识别 angularjs 机器学习神经网络

SphereFace: Deep Hypersphere Embedding for Face Recognition CVPR2017 https://github.com/wy1iu/sphereface pytorch: https://github.com/clcarwin/sphereface_pytorch

2019-05-26

1.2K0

快速多尺度人脸检测--Multi-Scale Fully Convolutional Network for Fast Face Detection

人脸识别编程算法

本文提出了一种名为Multi-Scale Fully Convolutional Network (MS-FCN)的模型，用于快速人脸检测。MS-FCN通过将多尺度模型往后移，使得前面的卷积层都能够共享，从而在GPU上可以实现100 FPS的检测速度，对于VGA分辨率的人脸图像表现优秀。同时，作者还提出了一种称为image pyramid的图像金字塔结构，用于处理不同尺度的图像，以适应不同场景下的人脸检测需求。

2018-01-03

1K0

人脸检测对齐--Joint Cascade Face Detection and Alignment

人脸识别编程算法

本文提出了一种用于人脸检测和对齐的级联分类器框架。该框架使用多个弱分类器进行人脸检测，并通过一个后验分类器进行对齐。实验结果表明，该方法能够有效地检测人脸和对齐人脸，同时具有较好的性能表现。

2018-01-03

1.6K0

快速多尺度人脸检测2--Multi-Scale Fully Convolutional Network for Face Detection in the Wild

人脸识别编程算法

本文提出了一种名为 MS-FCN 的快速多尺度人脸检测方法，该方法通过在特征图上采样和降采样以获得多尺度特征图，并在这些特征图上分别训练若干个 FCN 人脸检测器，每个 FCN 人脸检测器负责检测相应尺寸的人脸。实验结果表明，本文提出的方法可以快速地检测多尺度人脸，且对于小尺寸人脸的检测效果尤为突出。

2018-01-03

7890

目标检测中的尺度--An Analysis of Scale Invariance in Object Detection – SNIP

机器学习人脸识别图像处理深度学习

本文提出了一种用于目标检测的多尺度特征融合网络，该网络能够同时学习不同尺度的特征，并且能够在任意图像分辨率上进行预测。该网络采用了一种新颖的采样策略，可以有效地利用不同尺度的特征，并在测试时自动调整特征图大小。实验结果表明，该方法能够有效地提高目标检测的准确率和召回率，同时保持较高的运行效率。

2018-01-03

1.9K0

人脸检测--SSH: Single Stage Headless Face Detector

人脸识别机器学习

本文提出了一种名为SSH的单阶段无头人脸检测器，旨在提高速度、减少内存占用并实现尺度不变性。SSH采用三个检测模块M1、M2、M3，分别对应不同的卷积层，并利用滑动窗口策略构建锚框。通过在线负样本和正样本挖掘来优化训练过程。在WIDER FACE人脸检测基准测试中，SSH取得了出色的性能，领先于现有的方法。

2018-01-03

2.1K0

人脸对齐--Pose-Invariant Face Alignment with a Single CNN

2018-01-03

9140

多尺度人脸检测--Face Detection through Scale-Friendly Deep Convolutional Networks

人脸识别编程算法

本文提出了一种名为 ScaleFace 的多尺度人脸检测算法，旨在提高检测速度和准确性。该算法使用深度卷积神经网络来学习不同尺度人脸的通用表示，并使用级联分类器进行检测。实验结果表明，ScaleFace 在多尺度人脸检测任务上优于其他算法，同时比 HR 算法快 6 倍。

2018-01-03

8880

人脸对齐--How far are we from solving the 2D & 3D Face Alignment problem

机器学习人脸识别

本文主要探讨了解决人脸对齐问题，介绍了一种用于人脸对齐的完整方案，包括2D和3D人脸对齐、2D到3D人脸对齐、3D人脸对齐、数据集和度量方法、以及网络架构。研究结果表明，目前的网络性能已经接近饱和，对于一些不常见的姿态，可以通过增加训练数据来提升网络的性能。

2018-01-03

2K0

人脸对齐--Face Alignment In-the-Wild: A Survey

人脸识别机器学习大数据

本文对人脸对齐的综述，介绍了人脸对齐的定义、发展历程、方法、挑战和未来方向。主要包括人脸对齐的两种方法：生成方法和判别方法。生成方法包括基于形状的生成方法和基于纹理的生成方法，判别方法包括基于距离的判别方法和基于相似性的判别方法。生成方法具有较好的对齐效果，但计算复杂度较高；而判别方法计算复杂度较低，但效果相对较差。文章还介绍了人脸对齐的评估方法，包括基于距离的评估方法和基于相似性的评估方法。最后，文章探讨了人脸对齐的应用，包括人脸检测、人脸识别、人脸表情识别等。

2018-01-03

1.7K0

人脸检测-- Face R-FCN + Face R-CNN

本文主要介绍了一种基于区域全卷积神经网络（R-FCN）的人脸检测方法，该方法包括使用R-FCN进行人脸定位和区域提取，以及使用一种新的位置敏感平均池化方法来提取人脸特征。实验结果表明，该方法在WIDER FACE和FDDB数据集上取得了优异的性能。此外，本文还介绍了一种基于Faster R-CNN的人脸检测方法，该方法使用了一种在线硬例子挖掘策略来提高性能。

2018-01-03

1.7K0

遮挡人脸检测--Detecting Masked Faces in the Wild with LLE-CNNs

人脸识别编程算法

本文针对遮挡人脸检测问题，提出了一个基于CNN的遮挡人脸检测方法。首先，建立了一个包含30,811张带有遮挡的人脸图像的数据库，并提出了用于检测遮挡人脸的CNN网络LLE-CNNs。该网络包含一个Proposal模块、一个Embedding模块和一个Verification模块。Proposal模块用于生成候选区域，Embedding模块用于修复被遮挡的人脸特征，Verification模块用于验证人脸候选区域并调整其位置和尺度。实验结果表明，该方法在遮挡人脸检测任务上取得了较好的性能。

2018-01-03

2.5K0

人脸检测--Faceness-Net: Face Detection through Deep Facial Part Responses

人脸识别编程算法

本文针对人脸检测问题，提出了一种基于深度学习的Faceness-Net方法，通过分析人脸的五官特征来检测人脸。Faceness-Net由两个模块组成：人脸局部特征提取模块和人脸候选区域生成模块。在人脸局部特征提取模块中，使用卷积神经网络来提取人脸的五官特征，并通过共享特征表示来减少网络的参数量。在人脸候选区域生成模块中，使用多任务卷积神经网络来生成人脸候选区域，并进一步进行排序和筛选。实验结果表明，该方法在人脸检测和人脸识别任务上均取得了较好的性能，比传统方法和卷积神经网络方法分别提高了4.2%和1.8%。

2018-01-03

1.5K0

级联人脸检测--Detecting Faces Using Inside Cascaded Contextual CNN

本文提出了一种使用级联卷积网络的人脸检测方法，该方法通过多个卷积网络提取人脸候选区域，并进行去虚警和矩形框坐标回归，同时使用数据路由层来改变后续网络组件的数据样本。实验结果表明，该方法在速度和准确性方面均优于传统卷积神经网络。

2018-01-03

7230

人脸检测识别文献代码

本文介绍了一种用于人脸检测和识别的轻量级深度学习模型，该模型使用MobileNet作为特征提取器，结合人脸检测算法，可以在保持较高准确率的同时，达到实时性能。同时，作者还提供了基于该模型的代码和示例，以方便读者使用。

2018-01-03

1.6K0

点击加载更多

社区活动

腾讯技术创作狂欢月

“码”上创作 21 天，分 10000 元奖品池！

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态