人脸识别
关注
分享
扫一扫
zchang81
1、熟悉C/C++、python编程语言；
2、熟悉高性能io框架，如intel dpdk、spdk等；
3、熟悉计算机视觉库opencv；
4、熟悉深度学习框架Tensorflow，caffe；
5、熟悉CNN在图像分类、检测等领域的应用；
6、熟悉RNN、强化学习等深度学习相关技术；
展开
-
深度学习与人脸识别系列（2）__基于VGGNet的人脸识别系统
基于VGGNet的人脸识别系统转载 2017-05-05 12:52:00 · 2159 阅读 · 1 评论 -
基于Python的开源人脸识别库：离线识别率高达99.38%
基于Python的开源人脸识别库：离线识别率高达99.38%转载 2017-07-28 13:33:49 · 101561 阅读 · 18 评论 -
SeetaFace开源人脸识别引擎
SeetaFace开源人脸识别引擎转载 2017-07-31 10:03:05 · 2831 阅读 · 0 评论 -
深度学习与人脸识别系列（3）__利用caffe训练深度学习模型
利用caffe训练深度学习模型转载 2017-05-05 12:53:27 · 4262 阅读 · 0 评论 -
深度学习与人脸识别系列（4）__vgg人脸识别模型测试
vgg人脸识别模型测试转载 2017-05-05 12:55:10 · 1975 阅读 · 0 评论 -
深度学习与人脸识别系列（5）__利用训练好的vgg模型进行人脸识别(利用摄像头)
利用训练好的vgg模型进行人脸识别(利用摄像头)转载 2017-05-05 12:56:17 · 4724 阅读 · 1 评论 -
深度学习与人脸识别系列（6）__人脸识别算法简要说明与总结
人脸识别算法简要说明与总结转载 2017-05-05 12:57:38 · 1977 阅读 · 0 评论 -
走近人脸检测（2）——VJ人脸检测器及其发展
人脸检测技术的突破发生在2001年，两位杰出的科研工作者Paul Viola和Michael Jones设计了出了一个快速而准确的人脸检测器：在获得相同甚至更好准确度的同时，速度提升了几十上百倍——在当时的硬件条件下达到了每秒处理15张图像的速度，已经接近实时速度25fps（即25帧每秒）。转载 2017-05-10 10:52:07 · 10766 阅读 · 3 评论 -
走近人脸检测（3）——R-CNN 系列
在2013年底，深度学习给目标检测任务点起了一把火，这个火种就是R-CNN，其中R对应于“Region(区域)”，意指CNN以图像区域作为输入，这个工作最终发展成了一个系列，也启发和衍生出了大量的后续工作，这一场大火简直烧红了计算机视觉领域的半边天。转载 2017-05-10 10:54:44 · 4362 阅读 · 0 评论 -
走近人脸检测（4）——传统人脸检测技术和 CNN 的结合
能否将传统的人脸检测技术和深度网络（如CNN）相结合，在保证检测速度的情况下进一步提升精度？转载 2017-05-10 10:56:23 · 2881 阅读 · 0 评论 -
博文导航
zchang81博客博文导航1、深度学习基础2、深度学习数据集3、深度学习目标检测4、TensorFlow学习笔记原创 2017-04-17 09:45:37 · 1792 阅读 · 0 评论 -
深度学习与人脸识别系列（1）__算法流程和教程大纲（基于caffe）
基于深度学习的人脸识别算法流程转载 2017-05-05 12:48:53 · 3154 阅读 · 1 评论 -
走近人脸检测（1）——基本流程
人脸检测的任务就是判断给定的图像上是否存在人脸，如果人脸存在，就给出全部人脸所处的位置及其大小。由于人脸检测在实际应用中的重要意义，早在上世纪70年代就已经有人开始研究，然而受当时落后的技术条件和有限的需求所影响，直到上世纪90年代，人脸检测技术才开始加快向前发展的脚步，在新世纪到来前的最后十年间，涌现出了大量关于人脸检测的研究工作，这时期设计的很多人脸检测器已经有了现代人脸检测技术的影子，例如可转载 2017-05-10 10:49:25 · 15133 阅读 · 5 评论