搜索资源列表
gaussianface
- 汤晓欧人脸认证文章，利用高斯过程做的，在LFW上面达到98.5 -Tang Xiao-Ou Face verification paper, using Gaussian process achieve 98.5 on LFW
LFW
- LFW图像库，用于研究非受限情况下的人脸识别问题的数据库-LFW ，for face recognition of UCI
ECCV2012SupplementaryMaterial
- 论文The Divide-&-Conquer Algorithm for the Paper: Displacement Template with Divide-&-Conquer Algorithm for Signi cantly Improving Descr iptor based Face Recognition Approaches的实现，使用LFW数据库-Paper The Divide- & - Co
face-detection
- 是lfw上识别率比较高的方法的三篇论文，英文的HPEN+HDLBP+DDML-Three papers on lfw is relatively high recognition rate method, English HPEN+HDLBP+DDML
Robust_Face_Landmark
- 在现实世界条件下获取人脸存在较大的变化在形状和遮挡由于不同在姿态、表情、附属品的使用，例如，太阳镜和帽子以及与目标体（e.g. 食物）的交。当前的人脸界标估计方法在这种条件下努力但由于缺乏一种有效的理论方法用于处理局外点。我们提供了一个新奇的方法，称为Robust Cascaded Pose Regression (RCPR)，通过检测显式的遮挡且使用鲁棒的形状索引的特征可以减少exposure对于局外点。我们证明RCPR改进先前的界标
DeepFace
- DeepFace一文依旧是沿着“检测-对齐-人脸表示-分类”这一人脸识别技术路线来的，其贡献在于对人脸对齐和人脸表示环节的改进。1）在人脸对齐环节，引入了3D人脸模型对有姿态的人脸就行分片的仿射对齐。2）在人脸表示环节，利用一个9层的深度卷积在包含4000人、400万张人脸的数据集上学习人脸表示，这个9层的DCNN网络有超过1.2亿个参数。本文的模型在LFW数据集上取得了97.25 的平均精度（逼近了人类97.5 的极限），同时在You
monitor-recorder
- SeetaFace人脸识别引擎包括了搭建一套全自动人脸识别系统所需的三个核心模块，即：人脸检测模块SeetaFace Detection、面部特征点定位模块SeetaFace Alignment以及人脸特征提取与比对模块SeetaFace Identification。 主要功能： 人脸检测模块(SeetaFace Detection): 采用了一种结合传统人造特征与多层感知机（MLP）的级联结构，在FDDB上
LBP
- This code is very uesful.You must try to use it!!
FaceTools-master
- 本次作业使用的是汤晓鸥团队的DeepID第一代的网络，通过Caffe训练模型参数，经过LFW二分类得到人脸识别准确率。(This job is used by the Tang Xiaoou team's DeepID first generation network. Through the Caffe training model parameters, the accuracy of face recognition is obt
03SVM
- 支持向量机的python实现和用于lfw人脸识别的示例(Python implementation of support vector machines and examples of LFW face recognition)
深度学习mtcnn
- 用市面上的摄像头，可以实现实时人脸识别功能。(The algorithm model of facenet face recognition is obtained through deep learning, and the backbone network of feature extraction is concept-resnetv1, which is developed from concept network and RE