dlib人脸聚类

最新推荐文章于 2025-07-06 21:59:07 发布

原创

最新推荐文章于 2025-07-06 21:59:07 发布 · 422 阅读

1 ·

CC 4.0 BY-SA版权

本文介绍了如何利用dlib库进行人脸聚类。首先，从指定链接获取dlib相关文档和模型，然后将人脸图片放入faces文件夹，模型放入model文件夹。运行face_clustering.py脚本后，结果将保存在out目录。参考了多篇教程文章，包括DLib快速实现人脸识别和人脸聚类的详细步骤。

1、官方提供的模型文件  http://dlib.net/files/
 http://dlib.net/files/shape_predictor_5_face_landmarks.dat.bz2
 http://dlib.net/files/dlib_face_recognition_resnet_model_v1.dat.bz2

下载下面的model

2、程序目录如下

faces 存放要聚类的人脸图片，model 存放下载下来的model，out是输出目录

3、face_clustering.py如下

# coding: utf-8
"""
@author: xhb
"""

import sys
import os
import dlib
import glob
import cv2

# 指定路径
c

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

非ban必选

关注关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
1
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

专栏目录

精选资源

dlib - 19.24 交叉编译aarch64 6.5.0 版本移植，人脸聚类

06-28

"**人脸聚类**"是dlib库的一个应用，它涉及人脸识别技术，可以自动将不同人脸分组到相似类别中。 **dlib库详解** dlib库由戴维·马库斯（Davis Marcu）开发，是一个开源、无版权的C++工具箱，包含了大量的实用程序...

人脸聚类算法讲解（含原论文）

04-24

Abstract—Clustering face images according to their latent identity has two important applications: (i) grouping a collection of face images when no external labels are associated with images, and (ii) indexing for efficient large scale face retrieval. The clustering problem is composed of two key parts: representation and similarity metric for face images, and choice of the partition algorithm. We first propose a representation based on ResNet, which has been shown to perform very well in image classification problems. Given this representation, we design a clustering algorithm, Conditional Pairwise Clustering (ConPaC), which directly estimates the adjacency matrix only based on the similarities between face images. This allows a dynamic selection of number of clusters and retains pairwise similarities between faces. ConPaC formulates the clustering problem as a Conditional Random Field (CRF) model and uses Loopy Belief Propagation to find an approximate solution for maximizing the posterior probability of the adjacency matrix. Experimental results on two benchmark face datasets (LFW and IJB-B) show that ConPaC outperforms well known clustering algorithms such as k-means, spectral clustering and approximate Rank-order. Additionally, our algorithm can naturally incorporate pairwise constraints to work in a semi-supervised way that leads to improved clustering performance. We also propose an k-NN variant of ConPaC, which has a linear time complexity given a k-NN graph, suitable for large datasets. Index Terms—face clustering, face representation, Conditional Random Fields, pairwise constraints, semi-supervised clustering.

1 条评论您还未登录，请先登录后发表或查看评论

python dlib 人脸对齐代码

11-12

基于python和dlib编写的人脸对齐程序。包含了两个测试模型（人脸特征点68点检测和5点检测的模型），还有测试图片。详细可以参考博客：http://blog.youkuaiyun.com/hongbin_xu/article/details/78511292

基于dlib实现人脸聚类

feiyang5260的博客

06-30

906

转载自：https://www.pythonheidong.com/blog/article/182166/ Dlib是一个现代化的C ++工具包，包含用于创建复杂软件的机器学习算法和工具”。它使您能够直接在Python中运行许多任务，其中一个例子就是人脸检测。一、先安装以Ubuntu为例子 step 1： # for Ubuntu sudo apt-get install build-essential cmake sudo apt-get install libgtk-...

python相册中的人脸聚类_python ubuntu dlib 4 人脸聚类

weixin_39517241的博客

12-10

296

1.找出最大聚类2.将人脸存入最大聚类的文件夹实现：import sysimport osimport dlibimport globif len(sys.argv) != 5:print("Call this program like this:\n"" ./face_clustering.py shape_predictor_5_face_landmarks.dat dlib_face_r...

python dlib学习（九）：人脸聚类

hongbin_xu的博客

11-22

1万+

前言前面的博客介绍过使用dlib进行人脸检测、比对、检测特征点等等操作。 python dlib学习（一）：人脸检测 python dlib学习（二）：人脸特征点标定 python dlib学习（五）：比对人脸这次再将那些操作综合一下，进行人脸聚类。识别图片中的人脸，并分类。这里使用的是聚类，属于无监督学习。这里对每个人脸的区分与比对人脸中原理相同，将人脸映射到128D的空间中，计算彼此之

dlib CW KMeans DBSCAN Birch MeanShift人类聚类

qq_33495762的博客

06-09

367

# coding: utf-8 """ @author: xhb """ import sys import os import dlib import glob import cv2 import time from sklearn import cluster # 指定路径 current_path = os.getcwd() print(current_path) model_path = current_path + '/recog_dlib/weights' shape_predictor_.

python相册中的人脸聚类_Dlib-人脸聚类

weixin_40007016的博客

12-10

680

人脸聚类人脸聚类属于无监督学习. 当你有许多未标记的待分类的照片时, 使用人脸聚类是非常有用的. 其 python 脚本位于 /python_examples/face_clustering.py.待分类目录下有两张神仙的肖像和两张观海的肖像, 使用如下代码可以将神仙和观海分开.import osimport sysimport dlibimport skimage.drawimport skim...

使用dlib 进行人脸识别

qianbo042311的博客

03-10

2166

编译dlib 从官方网站下载准备好人脸数据准备好人脸数据，放入各自的文件夹，然后给文件夹起好名字，这里就是人的名字拼音首字。准备好test数据 test数据也是图片，一次对比一张，其外，还要有dlib的face模型，包含两个文件，一个是dlib_face_recognition_resnet_model_v1.dat和shape_predictor_68_face_landmarks.dat,两个文件，在运行过程中必须加载 //查找文件夹下面的所有文件夹 //人名的文件夹 void face_r

人脸聚类算法实战：如何从海量照片中自动分类？

最新发布

AI 原生应用开发的博客

07-06

1298

想象一下，你的手机相册里存了10000张照片，其中有家人、朋友、同事的各种合影和单人照。现在你想快速找到所有包含"妈妈"的照片，该怎么办？让计算机自动识别照片中的人脸，并将同一个人的所有照片归类到一起。用通俗语言解释人脸聚类的基本原理，不需要你有深厚的数学或AI背景详细拆解人脸聚类的完整流程，从"照片输入"到"分类完成"的每个关键步骤提供可直接运行的Python实战代码，让你能亲手实现一个简单的人脸聚类系统探讨实际应用中的挑战和解决方案，帮助你应对真实场景中的复杂情况背景介绍。

人脸聚类方法Dlib

taxuezcy的博客

01-08

2709

Dlib为一个优秀的开源人脸识别库，里面有很多人脸检测、识别方法，其中有一项为人脸聚类方法，利用的算法为chinese_whispers_clustering方法，有兴趣的可以自己去搜索这个算法，这里只讲一下应用。接口为dlib.chinese_whispers_clustering(arg1,arg2) srg1为list,arg2为阈值，float 这...

dlib官方人脸识别模型，用于构建dlib的特征提取器（predictor）

01-03

shape_predictor_5_face_landmarks.dat.bz2 /5个标记点的dlib官方人脸识别模型，用于构建dlib的特征提取器（predictor）

python ubuntu dlib 4 人脸聚类

我的英文站点：https://iorilan.medium.com/

12-02

847

1.找出最大聚类 2.将人脸存入最大聚类的文件夹实现： import sys import os import dlib import glob if len(sys.argv) != 5: print( "Call this program like this:\n" " ./face_clustering.py shape_pred...

照片人脸识别聚类

rainwell的博客

08-29

1731

SeetaFaceEngine 人脸检测、对齐、识别，C++库jsoncpp json C++库hiredis redis C++库 onioncpp onion C++库cmake 跨平台编译工具

cvpr 2019--人脸聚类

keyanxiaocaicai的专栏

04-25

2371

cvpr 2019 有两篇文章是关于人脸聚类的 1.learning to Cluster Faces on an affinity Graph 链接：https://arxiv.org/pdf/1904.02749.pdf 2.Linkage Based Face Clustering via Graph Convolution Networkhttps://arxiv.org/pdf/...

人脸聚类、数据清洗

weixin_NineDays66

12-03

2215

One folder should contains images of one person. Clustering on every folder is proposed through features extracted from a deep neural network. The number of clustering center of every folder is set to...

人脸聚类--最好的防御是进攻

keyanxiaocaicai的专栏

12-26

1154

http://blog.youkuaiyun.com/u011808673/article/details/78644485/ 数据清洗： 1.先训练一个模型预测一下得分高并且类别对的，挑出来训一个模型，在在原数据集上训练 2.最好的防御是进攻

【关于github中dlib提供的模型的详细介绍】

2301_77444219的博客

06-15

1570

在GitHub中，dlib库提供了丰富的机器学习算法和工具，特别在人脸检测关键点检测图像处理等领域有出色的表现。训练自己的模型：通过使用dlib提供的机器学习工具，开发者可以训练自己的模型，如人脸标记模型、对象检测器等。dlib支持多种训练方法和评估指标，方便用户自定义模型的训练过程。dlib库提供了丰富的模型和工具，覆盖了从人脸检测到机器学习算法的多个领域。其中的人脸检测和关键点检测器在人脸分析领域有着广泛的应用，而特征提取模型和机器学习算法则为图像处理和模式识别任务提供了强大的支持。

人脸识别Dlib——68个特征点