用深度學(xué)習(xí)檢測(cè)面部特征
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評(píng)論（0）
也許你很想了解，如何在實(shí)時(shí)視頻聊天中，檢測(cè)對(duì)方的面部情緒。我將向您展示一種利用深度學(xué)習(xí)技術(shù)與傳統(tǒng)技術(shù)結(jié)合的方法。
過(guò)去的挑戰(zhàn)性任務(wù)是檢測(cè)面部及其特征，如眼睛、鼻子、嘴巴，甚至從輪廓中識(shí)別情緒。這個(gè)任務(wù)現(xiàn)在可以通過(guò)深度學(xué)習(xí)來(lái)解決，任何有才華的少年，都可以在幾個(gè)小時(shí)內(nèi)完成。
▍受限局部模型（CLM）
如果你像我一樣，需要執(zhí)行臉部跟蹤（我將一個(gè)人的手勢(shì)從網(wǎng)絡(luò)攝像頭轉(zhuǎn)移到一個(gè)動(dòng)畫(huà)角色），你可能會(huì)發(fā)現(xiàn)，最好的算法之一是受限局部模型（CLM）。
如由Cambridge Face Tracker或其較新的OpenFace化身所實(shí)現(xiàn)的。這是基于將檢測(cè)任務(wù)，分解為動(dòng)態(tài)形狀模型（ASM）和動(dòng)態(tài)外觀模型（AAM），并且使用預(yù)訓(xùn)練的線性SVM（支持向量機(jī)）算法來(lái)改進(jìn)檢測(cè)。
它首先粗略地估計(jì)關(guān)鍵點(diǎn)位置，然后對(duì)包含臉部和調(diào)整關(guān)鍵點(diǎn)位置的預(yù)先訓(xùn)練的圖像應(yīng)用SVM。這是循環(huán)的，直到我們識(shí)別的髠錯(cuò)誤足夠低。
此外，值得一提的是，它假定圖像上的臉部位置已經(jīng)被預(yù)訓(xùn)練，例如通過(guò)使用Viola-Jones檢測(cè)器（Haar cascades）。
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%
下載地址
用深度學(xué)習(xí)檢測(cè)面部特征下載
相關(guān)電子資料下載
- 深度學(xué)習(xí)在工業(yè)缺陷檢測(cè)中的應(yīng)用 63
- 探討目前主流3D激光SLAM算法方案 94
- 華為成為中國(guó)首個(gè)PyTorch基金會(huì)Premier會(huì)員 453
- 《人工智能在指揮和控制系統(tǒng)中的決策支持》 133
- 中國(guó)手機(jī)廠商發(fā)力這一領(lǐng)域 外媒：大戲剛剛開(kāi)始 262
- 百度智能云推出國(guó)內(nèi)首個(gè)大模型全鏈路生態(tài)支持體系 251
- 人工智能領(lǐng)域存在第一性原理嗎？ 53
- 基于機(jī)器視覺(jué)檢測(cè)技術(shù)現(xiàn)狀 41
- 自動(dòng)駕駛規(guī)控決策方面的建議與解決方案 40
- 里程碑 主線科技無(wú)人集卡在舟山港開(kāi)啟全天候真無(wú)人常態(tài)化運(yùn)營(yíng) 166