人脸识别模型和源代码 Welcome to Yu Qiao's homepage!
标签：
| 发表时间：2018-10-11 21:16 | 作者：
出处：http://mmlab.siat.ac.cn
This page list the codes, models, and softwares we released in the last years.
Most of them are developed and maintained by our students and collaborators.
The topics includes the following areas: Action Recognition and Detection in Videos Scene Understanding and Classification Scene Text Detection and Recognition Face Detection and Recognition Temporal Segment Networks for action video classification( ECCV 16 paper, 1st in ActivityNet Challenge 2016) [Codes] Enhanced Motion Vector CNNs for fast Action Recognition ( CVPR 16 paper, realtime action recognition, 390 frames per second) [Project] [Codes] Trajectory-Pooled Deep-Convolutional Descriptors for Action Recognition( CVPR 15 paper, high Performance on HMDB51 (65.9%) and UCF101(91.5%).) [Project] [Codes] Multi-View Super Vector for Action Recognition( CVPR 14 Oral paper, a new method for jointly encoding multiple types of local descriptors.) [Code] MR-CNNS for large scale scene classification (2nd in scene classification task ImageNet 2016, 1st in LSUN 2016) [Code] Weakly Supervised PatchNets for Scene Recognition ( MIT Indoor67 (86.2%) and SUN397 (73.0%) ) [Paper] [Code] Pairwise Rotation Invariant Co-occurrence Local Binary Pattern ( A very fast local descriptors for scene and texture classification ) [PAMI 14 Paper] [Project] [Code] Connectionist Text Proposal Network for Scene Text Detection [ECCV 16 Paper] [Online demo] A Discriminative Deep Feature Learning Approach for Face Recognition(Single model trained on CAISA-WebFace achieves ~99% verification rate on LFW) [ECCV 16 Paper] [Code] [Model] Multi-task Cascaded Convolutional Neural Networks for Joint Face Detection and Alignment [SPL 16 Paper] [Code]
Action Recognition and Detection in Videos
Scene Understanding and Classification
Scene Text Detection and Recognition
Facial Detection and Recognition
Copyright © Yu Qiao 2013.
Template designed by OSWD Ad_267
相关 [人脸识别 模型 源代码] 推荐：
【人脸识别】初识人脸识别
- - CSDN博客推荐文章由于导师给我们布置了每周阅读两篇大牛论文，并写ppt的任务. 反正ppt都写了，所以我想干脆直接把ppt的内容再整理一下写成博客. 近期的阅读论文都是 人脸识别相关的主题. 如果你研究过人脸识别，或者对这方面有兴趣，那么你一定听说过Paul Viola. 他可以算得上是人脸检测识别的始祖，他的一篇大作《RobustReal-time Object Detection》可以说是人脸识别领域最重要的一篇论文.
人脸识别黑产
- - 奇客Solidot–传递最新科技情报新京报 报道了人脸识别的地下黑产交易，有许多应用都需要人脸验证，创造了对人脸验证的一种需求，催生了一个地下产业链. 报道称，人脸识别的优质数据需要一百元一套，而便宜量大的仅需要 0.5元一套. 报道称一小部分来自网络刷单兼职人员，大部分来自企业内部员工. 人脸识别的黑产商贩称，市面上流通的手持身份证照片大多是在小额贷款平台和公司野蛮发展期间，泄露出来的，还有部分是从各行业收集而来的，这种信息交易和使用一般情况下不会被人发现，“当时很多人借钱不还，平台就把这些信息拿出来卖钱了，刚开始挺贵的，现在层层转卖就便宜了.
【转载】用HTML5进行人脸识别
- - HTML5研究小组其中的一个特性是getUserMedia（ W3C规范 ）. 它是一个JavaScript API，可以让你访问（需要权限）用户的网络摄像头和麦克风. 今天发现一篇文章写的很有趣，叫你如何使用HTML5进行人脸识别. 在网页内进行人脸识别，很好很强大. “现代Web”不断发展出不少有趣的API，但你并不会在大多数项目中使用到所有的内容.
自动人脸识别基本原理
- - IT技术博客大学习标签： https://b2museum. 人脸识别经过近 40 年的发展，取得了很大的发展，涌现出了大量的识别算法. 这些算法的涉及面非常广泛，包括模式识别、图像处理、计算机视觉、人工智能、统计学习、神经网络、小波分析、子空间理论和流形学习等众多学科. 所以很难用一个统一的标准对这些算法进行分类.
用python库face_recognition进行人脸识别
- - 开源软件 - ITeye博客期间在安装依赖包dlib时遇到问题,解决见: http://kissmett.iteye.com/blog/2409857. 3.通过摄像头实时在获取的帧上进行人脸识别(较卡顿). basefacefilespath ="images"#faces文件夹中放待识别任务正面图,文件名为人名,将显示于结果中
baseface_titles=[] #图片名字列表
baseface_face_encodings=[] #识别所需人脸编码结构集
#读取人脸资源
for fn in os.listdir(basefacefilespath): #fn 人脸文件名.
人脸识别发展史与算法综述
- king - CSDN博客推荐文章 在我们生存的这个地球上，居住着近 65 亿人. 每个人的面孔都由额头、眉毛、眼睛、鼻子、嘴巴、双颊等少数几个区域组合而成，它们之间的大体位置关系也是固定的，并且每张脸的大小不过七八寸见方. 然而，它们居然就形成了那么复杂的模式，即使是面容极其相似的双胞胎，其家人通常也能够非常容易地根据他们面孔上的细微差异将他们区分开来.
温习传闻：Facebook收购人脸识别创业公司Face.com
- - 业界导读：准备好再听一个后IPO 时代的Facebook 收购的传闻吗. 事实上，Face.com 传言将成为Facebook 的收购目标由来已久. 虽然我们还不能确定这次收购能否成真，但本文给出的一些分析还是饶意义的. 据以色列商业报纸Calcalist披露，社交网络巨人将要收购人脸识别科技公司Face.com.
人脸识别算法终于超过了人类本身
- - 博客 - 伯乐在线计算机科学家已经开发出一种新的人脸识别算法，在识别人脸的能力上比人类本身更加强大. 我们每个人都有过认不出某个自己曾经认识的人的经历，在不同的姿势、光照和表情下，这其实是一件比较困难的事情. 计算机识别系统同样存在这些问题. 事实上，尽管全世界的计算机科学家努力了这么多年，还是没有任何一种计算机识别系统在识别人脸方面能够像人类一样强大.
利用python打造自己的人脸识别系统 - 简书
- -正像著名物理学家，理查德•费曼说的一样，如果要真正理解一个东西，我们必须要能够把它创造出来. 动手去做，永远比被动地听有用，我就是这么想并这么实践的. 本文介绍了我自己动手做的一种基于卷积神经网络的人脸识别系统，以python为语言基础，综合应用了keras、opencv、numpy、sklearn等多种技术.