Felaim的博客

人脸姿态估计预研（二）1. 背景为什么要写第二篇，因为第一篇写的很简单，自己的思考部分比较少，并且还有一些细节需要补充2. 算法部分2.1 到底使用多少个点？这个确实是一个比较实在的问题，因为博客里LZ也看到不少，基本上都是参考opencv与DLIB那篇博客博客的，下面评论中有很多问题，自然LZ也是有很多疑惑的。首先一个问题便是到底用多少个点？这些点的3D模型怎么得到的，模型应该也是有对应的方向的，怎么对应呢？因为姿态估计都是近似的使用一个通用人脸的3D模型，所以LZ也就借鉴一下这种做法首先下

人脸姿态估计简单预研一、 背景介绍其实背景很简单，就是有些算法针对正脸的效果很好，但是对于特别大的侧脸，效果就不是很好，所以需要需要根据人脸姿态来进行过滤。二、 算法的简要介绍1. 什么是姿态估计在计算机视觉中，对象的姿态是指其相对于相机的相对方向和位置，我们可以通过相对于相机移动对象，也可以相对于对象移动相机，还可以同时移动相机和对象，如果相机和对象保持相对静止，虽然相机和对象在世界坐标系中的位置改变了，但是两种之间的关系并没有变化，换句话说你从相机中获得对象的图片并没有变化，那么我们也可以认为

7 推断部分推断部分主要是在test.py中主要函数其实很短，如下，代码其实被我改了一部分，和原始的github上可能有点区别mean = [0.408, 0.447, 0.47]std = [0.289, 0.274, 0.278]# trial_name = "small-H-dense-wide64-UCBA-keep12-noext-ignoresmall2"trial_name = "mv2-320x320-without-wf_20200811"jobdir = f"jobs

上篇链接看LZ上篇博客的时间竟然是7月18日，着实是懈怠了，其实有很多东西需要总结归纳，这周末就补一下之前欠的债吧上篇主要介绍了DBFace的大体框架，这篇主要介绍数据的预处理部分5. 数据预处理pytorch数据一般是要写一个类函数来继承Dataset类的，需要定义三个函数__init__(self), len(self), getitem(self)这三个函数，在DBFace中的代码如下所示：class LDataset(Dataset): def __init__(self, lab

DBFACE: 源码阅读1. 背景DBFace框架是可以同时获得人脸检测和关键点定位,相较与人脸检测和关键点定位分开的做法有一定的优势,减少了对原图的crop和resize操作,并且对多人脸的情况,这种操作是对人脸个数敏感的,后期倾向也是将人脸检测和关键点定位,甚至后期的segmentation放到一套代码中去完成了.使用DBFace的原因主要还是算法很快,精度也不错!2. 总体框架(App类)代码的主体是作者创建了一个App类,其中主要是超参数的设定,网络结构的设定,三个loss的定义,数据的下

在公司的好处是可以根据公司不同的项目，来学习不同的方向，而在学校的好处就是可以给你足够的时间来对一个你感兴趣的领域进行深入研究。一个是从广度上进行学习，另一个是从深度上进行学习，哈哈，只要每天有所得就行。下面是LZ预研美颜算法时，使用OpenCV进行一个简单的pipeline构建，当然代码量非常少，只有10来行，效果呢还是有的，但是肯定得对每隔过程进行优化(≧▽≦)/啦啦啦放出代码，当中进行注...

原始论文名称很长：Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks，是深研院16年出的文章，论文短而精，还是非常值得一读的。单纯的翻译过来应该是：多任务级联卷积网络的联合人脸检测与校准。既然是多任务，网络结构通常情况下也不止一个了，所以整篇文章的framework如下图所示：...