我正在尝试使用Tensorflow检测眼睛。是否有任何预先训练好的眼睛检测模型？ - 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

人眼检测

import cv2 #加载预训练的人脸、眼睛检测XML模型 face_cascade=cv2.CascadeClassifier('C:/Users/xpp/anaconda3/Lib/site-packages...img,(x,y),(x+w,y+h),(255,0,0),2) roi_gray=gray[y:y+h,x:x+w] roi_color=img[y:y+h,x:x+w] #进行眼睛的检测...，其中级联函数是从大量正面和负面图像中训练出来的，然后使用它来检测图像中的对象。...OpenCV库维护一个预先训练好的Haar级联库。...包括： haarcascade_frontalface_default.xml：检测面部 haarcascade_eye.xml：检测左眼和右眼 haarcascade_smile.xml：检测面部是否存在嘴部

5333 0

玩转StyleGAN2模型：教你生成动漫人物

生成器将尝试生成假样本，并欺骗鉴别器相信它是真实样本。鉴别器将尝试从真样本和假样本中检测生成的样本。这个有趣的对抗概念是由伊恩·古德费罗（Ian Goodfellow）在2014年提出的。...已经有很多资源可以用来学习GAN，因此我不解释GAN以避免冗余。我建议阅读Joseph Rocca 的这篇文章来了解GAN。...GAN的一个问题之一在于它的纠缠潜码表示（输入向量，z）。例如，假设我们有2个维度的潜伏码，它分别代表了脸的大小和眼睛的大小。在这种情况下，脸的大小与眼睛的大小高度纠缠在一起（眼睛越大，脸也越大）。...Gokaslan预先训练好的Anime StyleGAN2，以便我们可以加载模型直接生成动画脸。...git clone https://github.com/NVlabs/stylegan2.git 接下来，我们需要下载预先训练好的权重并加载模型。

2.3K5 4

您找到你想要的搜索结果了吗？

是的

没有找到

一种深度学习方法---迁移学习了解下

转移学习的方法：训练模型；使用预先训练的模型；和特征提取总结：进一步阅读 1. 什么是迁移学习？...例如，在计算机视觉中，神经网络通常是这样的：较早的层检测到的是边缘，中间层检测到的是形状，越靠后的网络层检测的是特定于任务的特征（例如人脸中的眼睛）。...当任务1和任务2具有相同的输入时。如果原始模型是使用TensorFlow训练的，则只需还原它并为任务重新训练一些网络层即可。...如果两个任务的输入都相同，则可以重新使用模型并为新输入进行预测。或者，更改和重新训练不同的特定于任务的层和输出层也可以。 2.使用预先训练的模型第二种方法是使用已经预先训练的模型。...你可以在此处找到这些模型，以及一些有关如何使用它们的简短教程，也有许多研究机构开源了训练好的模型。这种类型的迁移学习是整个深度学习中最常用的方法。

3341 0

2020前端智能化趋势：tensorflow.js生态

该库封装了常用的机器学习算法和预训练模型，基于TensorFlow.js，可单独使用，也可搭配p5.js使用。目前可以实现哪些功能？...除了tensorflow.js的封装，我们还可以使用mljs，更为简便的使用bodypix。 BodyPix可以用来干什么？我尝试利用谷歌的bodyPix，DIY了一个fastmask功能。...可以尝试下效果：下面案例是使用预训练的MobileNet模型专门用来识别美洲驼… 除此之外，我们还可以，训练一个简单的分类器来对花朵图像进行分类；训练一个没有感情的“剪刀石头布”识别器；或者是用来训练一个方向控制器控制游戏里的角色...使用tensorflow.js我们可以在浏览器用摄像头实现目标检测。比如我们可以识别以下图片里的物体：前端可以很容易的调用相关的tensorflow.js模型实现目标检测。目标检测可以用来干什么？...这个文本分类的示例可以给我们不少启发。该案例在浏览器实现了攻击性语言的检测，我们可以给任何一句话打上分类标签。我试验了下，目前仅支持英文。我们可以自行训练中文的。应用场景有哪些呢？

2.1K1 0

三分钟训练眼球追踪术，AI就知道你在盯着哪个妹子 | TensorFlow.js代码

训练好之后，屏幕上出现一个绿圈圈。这时候，我的眼睛看哪里，绿圈圈都应该跟着我走的。 ? 可它似乎有些犹豫。系统又提示：现在数据不太够，可能还没训练好，再取一些数据吧。...需要注意的是，收集数据的时候，脸不要离屏幕太远 (也不要倒立?) 。 DIY全攻略 (上) ：架子搭起来作为一个不需要任何服务器就能训练的模型，如果要处理整幅整幅的视频截图，负担可能有些重。...所以，还是先检测人脸，再框出眼睛所在的部分。只把这个区域 (上图右一) 交给神经网络的话，任务就轻松了。德国少年选择了clmtrackr人脸检测模型，它的优点也是跑起来轻快。...这样，便与检测模型的性能，以及确认它没有过拟合。...鼻孔眼睛分不清？眼球追踪模型很有意思，不过还是有一些可爱的缺陷。比如，算法还只能识别正面，脸稍微侧一点AI就会困惑。比如，有时候会把鼻孔识别成眼睛。

5K4 0

给它一个轮廓，TensorFlow还你一只完整的喵 (附论文下载)

整个项目开发了一个用TensorFlow的pix2pix接口（https://github.com/phillipi/pix2pix），并建立了一些训练好的模型，搭建了一个互动网页来测试它们。...Pix2pix 模型通过用配对图片进行训练，比如建筑物的名称与其外观照配对，然后对任何输入的图片，输出对应的图片。这个想法源自Phillip Isola写作的非常棒的论文。...自动产生的边缘线并不是很完美，很多情况下检测不到猫的眼睛，使得图片翻译效果差强人意。比如下面的Hello Kitty要哭晕了：看到这里你是不是也跃跃欲试了呢？...请戳https://affinelayer.com/pixsrv/，建议使用Chrome 浏览器。这里我们也简单介绍一下其他的小插件，有兴趣的话也可以去试试哦。...所有与原始的pix2pix应用一起发布的内容均可获取。模型可以从预训练好的模型中用pix2pix.py脚本导出，并且导出的模型链接到Github的服务器说明书文本。

5914 0

快速指南：使用OpenCV预处理神经网络中的面部图像的

本期将介绍脸部检测、眼睛检测；图像拉直、裁剪、调整大小、归一化等内容 ? 目前，涉及面部分类的计算机视觉问题，通常都需要使用深度学习。...现在，我们的图像只有一个灰度通道了！面部和眼睛检测在处理人脸分类问题时，我们可能需要先对图形进行裁剪和拉直，再进行人脸检测以验证是否有人脸的存在。...为此，我们将使用OpenCV中自带的的基于Haar特征的级联分类器进行对象检测。首先，我们选择用于面部和眼睛检测的预训练分类器。...• haarcascade_eye_tree_eyeglasses.xml（正在尝试处理眼镜！）...在实践中，我们将对每个通道进行适当的归一化，例如减去均值并除以像素级别的标准差（这样我们得到均值0和偏差1）。如果我们使用转移学习，最好的方法总是使用预先训练的模型统计信息。

1K3 0

教会AI认识麻将牌之实践篇

本质上SSD和YOLO这类目标检测算法可以理解成一个框架，在这个框架里有多个组成部分或决策算法，不同的选择组成具体的目标检测模型。...数据集准备好后（80%数据做训练，20%做测试），使用tensorflow进行模型训练，基于一个预先训练好的图像特征抽取模型（比如ssd_mobilenet_v1_coco）进行迁移学习，减少从零开始训练模型需要的学习图像特征抽取...由于生成的模型最终是在手机上做推理，我在手机上使用Tensorflow Lite框架，训练后导出的模型需要转成tflite格式。...tflite相对于tensorflow模型少了不少运算符的支持，比如ssd模型的预处理步骤需要放到模型外来做，处理时需要注意根据模型输入图片RGB信息接受的浮点数范围（有模型用[-1,1]，也有模型用[...0, 1]）做相应的正则化，另外也需要检测推理时输入图片或者视频的RGB通道顺序和模型需求是一样的，任何一个小地方的数据不一致都会使你的模型效果大打折扣。

2.3K4 0

教你快速使用OpenCVPythondlib进行眨眼检测识别！

用OpenCV，Python和dlib进行眼睛眨眼检测我们的眨眼检测实验分为四个部分：第一步，我们将讨论眼睛的纵横比以及如何用它来确定一个人是否在给定的视频帧中闪烁。...最后，我将通过讨论改进我们的眨眼检测器的方法来结束。...我们将会发现，眼睛的长宽比在眼睛张开的时候大致是恒定的，但是在发生眨眼时会迅速下降到零。使用这个简单的方程，我们可以避免使用图像处理技术，简单地依靠眼睛地标距离的比例来确定一个人是否眨眼。...如果您的系统上没有安装 imutils，请确保使用以下命令安装/升级： pip install --upgrade imutils 注意：如果您正在使用Python虚拟环境（OpenCV安装教程），请确保使用...现在我们的输入，命令行参数和常量都已经写好了，接着可以初始化dlib的人脸检测器和面部标志检测器： dlib库使用一个预先训练的人脸检测器，该检测器基于对用于对象检测的定向梯度直方图+线性SVM方法的修改

3.3K10 0

这个技术让我毛骨悚然后背发凉！

人脸对齐：就是根据人脸中五个特征点位置（两个眼睛、两个嘴角、鼻子）将人脸缩放到一定的尺寸。提取特征编码：通过训练一个人脸识别模型来提取人脸特征编码。...01 实现 AI 换脸的第一步以下关于人脸检测、人脸对齐均使用基于 Tensorflow 的 MTCNN 模型，生成特征编码使用基于 Mxnet 的 Insightface 模型。...首先，我们会下载 Insightface 源码及其训练好的模型文件，在这个源码的基础上，我们开发一个 API 程序，程序调用模型进行人脸检测、人脸对齐、生成特征编码，然后完成人脸入库、人脸搜索功能。...编写人脸入库、搜索 API 程序这里我们利用训练好的模型文件，使用 Flask 编写一个人脸特征编码入库、搜索 API 。我们将入库的特征编码存于程序中的一个数组里面。...最后，以上并非完整全文，提示大家如果有 Gpu 环境的话，可以使用 Gpu 来进行模型推理，以上操作我均使用 root 用户。本文所提到的代码都上传到我的 Github 上了。

1.2K2 0

CV学习笔记(二十九)：交互式人脸活体检测

人机交互的活体检测方法需要通过对人脸做出实时响应来判断是否为活体，通常采用的方法有脸部姿态和读取指定数字等。...二：人脸特征点提取在此项目中，使用了Dlib 官方训练好的模型 “shape_predictor_68_face_landmarks.dat” 进行 68 个点标定，这个模型是基于14年CVPR中One...针对上图中的情况，设计了一种基于边缘提取和Hough变换的边框检测算法，首先采用传统的边缘检测方法Canny算子提取出图像的边缘区域，然后使用霍夫变换来检测图像中的直线区域，根据直线检测结果来判别是否存在边框...由于水平点只有一组，而垂直点有两组，所以分母乘上了2，以保证两组特征点的权重相同。我们不难发现，EAR在眼睛睁开时是基本保持不变的，在小范围内会上下浮动，然而，当眼睛闭合时，EAR会迅速下降。...下面对活体检测方法的这些指标作些说明: 1: LFRR错误拒绝率:合法活体用户尝试登陆被认为不是活体而拒绝的次数除以合法用户尝试登陆的总次数。

1.4K2 0

Python 数据科学入门教程：TensorFlow 目标检测

这个 API 可以用于检测图像和/或视频中的对象，带有使用边界框，使用可用的一些预先训练好的模型，或者你自己可以训练的模型（API 也变得更容易）。...如果你需要一个高端的 GPU，你可以使用他们的云桌面解决方案，这里有个推广链接能获得 10 美元的折扣，这足以完成这个迷你系列（训练时间约为 1 小时，GPU 为 0.40 美元/小时）从使用预先建立的模型...由于他的存储库已经改变了多次，我已经搞乱了，我注意到，我所使用的具体提交是：这个。如果这两个脚本中的任何一个都不适合你，请尝试拉取和我相同的提交。绝对要尝试他的最新版本。...，或者使用我正在使用的同一个提交。...接下来，我们需要设置一个配置文件，然后训练一个新的模型，或者从一个预先训练好的模型的检查点开始，这将在下一个教程中介绍。

1.4K3 0

TensorFlow+OpenCV实现睡意检测系统

另一种方法是使用生理传感器，如生物传感器。这里的缺点是司机可能会犹豫穿它们，或者他可能会忘记穿它们。与其他技术相比，通过眼睛检测来检测睡意是最好的。让我们开始吧。...这里主要关注在解决一个问题时获得的知识，它适用于不同但相关的问题。实现方法该项目的方法是使用网络摄像头捕获第一个视频，并使用 Harcascade 算法从视频中检测第一张脸，然后检测眼睛。...然后我们使用我们的深度学习模型，该模型是使用迁移学习构建的，以了解眼睛的状态。如果它是睁着的眼睛，它会说激活，如果它是闭着的眼睛，它会检查几秒钟，然后它会说司机昏昏欲睡，并会发出警报。...我们现在要使用的 OpenCV 将通过附加的网络摄像头监控和收集驾驶员的图像，并将它们输入深度学习模型，然后模型会将驾驶员的眼睛分类为“睁眼”或“闭眼”。...这种瞌睡检测系统对驾驶员有很大帮助，并防止了许多因瞌睡而引起的交通事故。到目前为止，我们已经看到： –> 如何使用迁移学习？ –> 如何建立模型，训练模型？

7202 0

四个开源的人脸识别项目分享

在实时摄像头中检测人脸。检测人的眼睛、鼻子、嘴、眉毛、下巴等面部特征，得到被检测部位的位置和轮廓。检测面部特征并应用数字化妆 2....这个项目是建立在TensorFlow和Python之上的。...然后使用基本模型通过迁移学习对ID自拍数据集进行微调。通过迁移学习，使用预先训练的基础模型，我们能够达到99.67%的准确率。 3....GetMeThrough GetMeThrough是一个免费的开源软件，以离线模式实时工作的web应用程序，帮助任何活动的组织者仅允许授权或受邀的人参加活动，使用两步验证因素，即首先使用人脸识别技术检查该人是否在数据库中注册...本项目使用dlib预训练模型构建，该模型建立在Face_Recogniton API（如前所述）之上，以达到99.38%的准确率。

4.8K3 1

使用Python，Keras和OpenCV进行实时面部检测

face_locations函数有两种可使用两种方法进行人脸检测：梯度方向的Histrogram（HOG）和C onvolutional神经网络（CNN）。由于时间限制，选择了HOG方法。...但是，在进行此部分操作之前，我们需要区分面部照片和活人的面部。 2.面部活跃度检测提醒一下，目标是在某个点检测“睁开-闭合-睁开”的眼图。我训练了卷积神经网络来对眼睛是闭合还是睁开进行分类。...每次检测到眼睛时，我们都会使用模型预测其状态，并跟踪每个人的眼睛状态。因此，借助以下功能，可使检测眨眼变得很容易，该功能尝试在眼睛状态历史记录中查找闭合-闭合-闭合模式。...从第45行开始，我们在脸部范围内检测眼睛是否存在。首先，我们尝试使用open_eye_detector检测睁眼。如果检测器成功，则在第54行，将 ''1''添加到眼睛状态历史记录。...该面部分为左侧和右侧，以便对各个检测器进行分类。从第92行开始，提取眼睛部分，经过训练的模型预测眼睛是否闭合。如果检测到一只闭合的眼睛，则预测两只眼睛都闭合，并且将''0''添加到眼睛状态历史记录中。

8022 0

15分钟上手工业零部件检测全流程方案

准确的标注对模型效果至关重要第三步：模型部署训练好的AI模型需要部署到边缘计算模块或者叫边缘计算相机。本次案例中使用到到的边缘计算相机是集成度很高的产品“辨影”，部署简单且接口丰富。...在飞桨EasyDL中训练好的模型通过多种方式可直接部署到辨影中，整个部署过程中不需要再编写任何代码。...「如果能够一眼看出来的区别和变化，就可以尝试使用AI来完成」这是一个简单直接的判断方式，当然，产业用户更多分布在汽车、金属加工、3C电子等领域，这类用户对自动化及AI的理解更多面一些。...除此之外，手工生产产品的AI质检领域也非常广阔。虽然目前我国正在进行产业转型，但仍然有大量工厂依赖人工生产及质检。...ref=wz 循序渐进 AI产业应用方案解析公开课看完上述金属零部件质检案例，你是否也对AI产业应用有了更为具象的理解。

6952 0

人脸检测与识别技术（怎么去创新？）

不久，加州大学伯克利分校的研究人员透露，使用深度学习技术的机器人系统能够自己学会如何拧开瓶盖。...2015年年初，大牌芯片制造商Nvidia和以色列一家名为Mobileye的公司透露，他们也正在开发深度学习系统，可以用来驱动自动驾驶汽车。...因为最近人脸检测与识别火热的进行着，本平台想进一步详细介绍关于人脸领域的相关知识与分析，让更多人的有进一步深入的熟知！其中我刚开始接触的时候，也是通过商汤合作的项目学习深入的人脸检测识别技术。...这个模型可以根据眼睛与鼻尖的角度，或者是其他器官之间的关系（需要实验者自己去挖掘关键点之间的深入关系），既可以非常详细的解释每个人的特征分布，最后把特征关系进行量化处理，得到每个人的人脸特征表示，最后进行训练学习...于是乎，有了如下的想法：该模型就是把训练的数据线进行CNN训练，得到一个训练好的CNN模型，然后对训练数据进行多尺度变化，把多种尺度的数据送到训练好的CNN模型进行进一步学习和微调，得到一个能够识别多尺度数据的

2.3K6 0

使用卷积神经网络预防疲劳驾驶事故

由于这个严重的问题，我和一组其他数据科学家开始开发一种神经网络，可以检测眼睛是否闭着，当与计算机视觉结合使用时，可以检测活人是否闭着眼睛超过一秒钟。...另一种我们在处理不平衡图像数据时没有使用的方法是使用图像增强，我没有在这里使用它，但是 Jason Brownlee 在解释如何在这里使用它方面做得很好。...重要提示：确保分层，因为我们有不平衡的类。...我在 Google Colab 的 32 GB TPU 上运行了 gridsearch，它轻松运行了 1000 多个批次。如有疑问，请尝试 32 个批次，如果没有使内存过载，则增加。...请注意，如果模型检测到睁开眼睛，计数器将重置为 0，如果眼睛闭上，则计数器增加 1。我们可以使用cv2.putText（）显示一些基本文本来指示眼睛是闭着的还是睁开的。

4332 0

独家｜深度学习训练和推理之间有什么差异？

神经网络在我们生物学的大脑上松散地建模——神经元之间的所有相互连接。与我们的大脑不同，任何神经元可以和任何神经元有确定物理距离的连接，人造神经网络有单独的层，连接和数据传输的方向。...当训练的神经网络，训练数据被放到网络的第一层和独立神经元中，并且独立神经元根据正在执行的任务为输入的分配权重——这是多么正确或者不正确。在图像识别网络中，第一层可能会寻找边缘。...他说训练百度的其中一个中文语音识别模型不仅需要4TB的训练数据，还需要20个计算机——在整个训练周期中，这是200亿次数学运算。正尝试在智能手机上运行。这就是推理的来源。祝贺！...你的智能手机的语音助手使用推理，Google的语音识别，图像搜索和垃圾邮件过滤的应用程序也是如此。百度也在语音识别，恶意软件检测和垃圾邮件过滤上使用推理。...这里也一样，GPUs——和他们的并行计算能力——在他们依据训练好的网络运行百万计算去辨别已知的模式和物体提供了优势。你可以看到这些模式和应用将被更小，更快和更精确。

3.3K2 0

基于opencv实战眼睛控制鼠标

使用这些数据，我们可以反向训练模型，从你们您的眼睛预测鼠标的位置。在开始项目之前，我们需要引入第三方库。...但是，我们首先需要编写裁剪眼睛边界框的代码。我们稍后将在on_click函数内部调用此函数。我们使用Haar级联对象检测来确定用户眼睛的边界框。...在此图像中，我在分辨率为2560x1440的监视器上在坐标（385，686）上单击鼠标左键：级联分类器非常准确，到目前为止，我尚未在自己的数据目录中看到任何错误。...有了更多的数据，它有望稳定到足以以更高的特异性进行控制。仅用几百张图像，你们就只能将其移动到注视的整个区域内。...另外，如果在整个数据收集过程中，你们在屏幕的特定区域（例如边缘）都没有拍摄任何图像，则该模型不太可能在该区域内进行预测。

8652 0

点击加载更多

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭