1. IT分享知识网首页

人脸识别算法总结

老牧童 • • 未分类 • 阅读 63

人脸识别算法总结 人脸资源以下是我在网上找到的一些用于研究人脸识别算法的材料的不断增长的列表。文件1.[DeepFace](https://www.cs.toronto.edu/~ranzato/publications/taigman_cvpr14.pdf).来自Facebook的作品。2.[

大家好，欢迎来到IT知识分享网。

人脸资源

以下是我在网上找到的一些用于研究人脸识别算法的材料的不断增长的列表。

文件

 

1. [DeepFace]( https://www.cs.toronto.edu/~ranzato/publications/taigman_cvpr14.pdf). 来自 Facebook 的作品。

2. [FaceNet]( http://www.cv-foundation.org/openaccess/content_cvpr_2015/app/1A_089.pdf). Google 的作品。

3. [一毫秒人脸对齐与回归树集合]( http://www.csc.kth.se/~vahidk/papers/KazemiCVPR14.pdf)。 Dlib 实现了算法。

4. [DeepID]( http://mmlab.ie.cuhk.edu.hk/pdf/YiSun_CVPR14.pdf)

5. [DeepID2]( [1406.4773] 联合识别-验证的深度学习人脸表示)

6. [DeepID3]（ 使用非常深的神经网络进行人脸识别）

7.【从零开始学习人脸表征】（ [1411.7923]从零开始学习人脸表征）

8.【大规模人脸搜索：8000万图库】（ 8000万图库）

9. [A Discriminative Feature Learning Approach for Deep Face Recognition]( http://ydwen.github.io/papers/WenECCV16.pdf)

10. [NormFace: L2 Hypersphere Embedding for Face Verification]( https://arxiv.org/abs/1704.06369).* 注意：模型发布！*

11.【SphereFace: Deep Hypersphere Embedding for Face Recognition】（ Deep Hypersphere Embedding for Face Recognition）

12.【VGGFace2：跨姿势和年龄的人脸识别数据集】跨姿势和年龄的人脸识别数据 集

 

数据集

 

1. [CASIA WebFace Database](Center for Biometrics and Security Research). 10,575 subjects and 494,414 images

2. [Labeled Faces in the Wild](http://vis-www.cs.umass.edu/lfw/).13,000 images and 5749 subjects

3. [Large-scale CelebFaces Attributes (CelebA) Dataset](403 Forbidden) 202,599 images and 10,177 subjects. 5 landmark locations, 40 binary attributes.

4. [MSRA-CFW](MSRA-CFW: Data Set of Celebrity Faces on the Web – Microsoft Research). 202,792 images and 1,583 subjects.

5. [MegaFace Dataset](MegaFace) 1 Million Faces for Recognition at Scale

690,572 unique people

6. [FaceScrub](vintage – resources). A Dataset With Over 100,000 Face Images of 530 People.

7. [FDDB](FDDB : Main).Face Detection and Data Set Benchmark. 5k images.

8. [AFLW](ICG – Research).Annotated Facial Landmarks in the Wild: A Large-scale, Real-world Database for Facial Landmark Localization. 25k images.

9. [AFW](Face Detection Matlab Code). Annotated Faces in the Wild. ~1k images.

10.[3D Mask Attack Dataset](3D Mask Attack Dataset). 76500 frames of 17 persons using Kinect RGBD with eye positions (Sebastien Marcel)

11. [Audio-visual database for face and speaker recognition](MOBIO – DDP).Mobile Biometry MOBIO http://www.mobioproject.org/

12. [BANCA face and voice database](The BANCA Database). Univ of Surrey

13. [Binghampton Univ 3D static and dynamic facial expression database](http://www.cs.binghamton.edu/~lijun/Research/3DFE/3DFE_Analysis.html). (Lijun Yin, Peter Gerhardstein and teammates)

14. [The BioID Face Database](BioID Face Database | Dataset for Face Detection | facedb – BioID). BioID group

15. [Biwi 3D Audiovisual Corpus of Affective Communication](ETHZ – Computer Vision Lab:). 1000 high quality, dynamic 3D scans of faces, recorded while pronouncing a set of English sentences.

16. [Cohn-Kanade AU-Coded Expression Database](The Affect Analysis Group at Pittsburgh). 500+ expression sequences of 100+ subjects, coded by activated Action Units (Affect Analysis Group, Univ. of Pittsburgh.

17. [CMU/MIT 正面]（ CBCL 软件）。 训练集：2429张人脸，4548张非人脸； 测试集：472 个面孔，23,573 个非面孔。

18.【AT&T人脸数据库】（ 脸数据库）40人400张人脸（每人10张图片）

 

训练模型

 

1. [openface]( cmusatyalab/openface)。 使用 Torch 使用 Google 的 FaceNet 深度神经网络进行人脸识别。

2. [VGG-Face]（ VGG人脸描述符）。 VGG-Face CNN 描述符。 令人印象深刻的嵌入损失。

3.【SeetaFace引擎】（ seetaface/SeetaFaceEngine）。 SeetaFace Engine是一个开源的C++人脸识别引擎，可以在CPU上运行，不依赖第三方。

4. [Caffe-face]( ydwen/caffe-face) – Caffe Face 是为使用深度神经网络进行人脸识别而开发的。

5. [Norm-Face]( happynear/NormFace) – Norm Face，从 [center-face]( ydwen/caffe-face) 和 [Light-CNN]( AlfredXiangWu/face_verification_experiment)

6. [VGG- Face2] VGG-Face 2数据集

 

 

软件

 

1.【OpenCV】（ OpenCV库）。 使用一些训练有素的人脸检测器模型。

2. [dlib]（ dlib C++ 库 – 机器学习）。 Dlib 实现了最先进的人脸对齐算法。

3. [ccv]( liuliu/ccv)。 配备最先进的正面面部检测器

4. [libfacedetection]( 时奇宇/libfacedetection)。 用于图像中人脸检测的二进制库。

5. [SeetaFaceEngine]( seetaface/SeetaFaceEngine)。 一个开源的 C++ 人脸识别引擎。

 

构架

 

1. [Caffe]( Caffe | 深度学习框架)

2. [火炬7]（ 火炬/火炬7）

3. [Theano]( 欢迎使用 – Theano 1.0.0 文档)

4. [cuda-convnet]( https://code.google.com/p/cuda-convnet/)

5. [MXNET]( apache/incubator-mxnet)

6.【张量流】（ 张量流）

7. [小dnn]( 小dnn/小dnn)

 

各种各样的

 

1. [faceswap]( matthewearl/faceswap) 使用 Python、dlib 和 OpenCV 进行人脸交换

2. [Facial Keypoints Detection]( Facial Keypoints Detection | Kaggle) Kaggle 竞赛。

3. [通过局部二值特征实现3000fps人脸对齐]( freesouls/face-alignment-at-3000fps)

 

 

布局：帖子
类别：深度学习
标题：人脸识别

日期：2015-10-09

文件

深度识别

通过预测 10,000 个类别的深度学习人脸表示

 

  • 简介：CVPR 2014
  • 论文： //mmlab.ie.cuhk.edu.hk/pdf/YiSun_CVPR14.pdf
  • github： https

DeepID2

通过联合识别验证的深度学习人脸表示

 

  • 论文： //papers.nips.cc/paper/5416-analog-memories-in-a-balanced-rate-based-network-of-ei-neurons

基于Caffe的DeepID2实现

 

  • 1.  http://www.miaoerduo.com/deep-learning/%E5%9F%BA%E4%BA%8Ecaffe%E7%9A%84deepid2%E5%AE%9E%E7%8E%B0%EF%BC%88%E4%B8%8A%EF%BC%89.html
  • 2.  http://www.miaoerduo.com/deep-learning/%E5%9F%BA%E4%BA%8Ecaffe%E7%9A%84deepid2%E5%AE%9E%E7%8E%B0%EF%BC%88%E4%B8%AD%EF%BC%89.html
  • 3.  http://www.miaoerduo.com/deep-learning/%E5%9F%BA%E4%BA%8Ecaffe%E7%9A%84deepid2%E5%AE%9E%E7%8E%B0%EF%BC%88%E4%B8%8B%EF%BC%89.html

DeepID2+

深度学习的人脸表示是稀疏的、选择性的和鲁棒的

 

  • arxiv： http
  • 视频： http
  • 镜像： //pan.baidu.com/s/1boufl3x

手机ID

MobileID：通过从神经元中提取知识进行人脸模型压缩

 

  • 介绍：AAAI 2016 口语。 中大
  • 简介：MobileID 是一个极快的人脸识别系统，它从 DeepID2 中提取知识
  • 项目页面： //personal.ie.cuhk.edu.hk/~lz013/projects/MobileID.html
  • 论文： //personal.ie.cuhk.edu.hk/~pluo/pdf/aaai16-face-model-compression.pdf
  • github： https

深脸

DeepFace：缩小人脸验证与人类水平性能的差距

 

  • 简介：CVPR 2014。Facebook 人工智能研究
  • 论文： https
  • 幻灯片：http: //valse.mmcheng.net/ftp/20141126/MingYang.pdf
  • github： https

深度人脸识别

 

  • 介绍：BMVC 2015
  • 论文： http
  • 主页： http
  • github（硬）： https

面网

FaceNet：人脸识别和聚类的统一嵌入

 

  • 简介：谷歌公司 CVPR 2015
  • arxiv： http
  • github（张量流）： https
  • github(Caffe): https://github.com/hizhangp/triplet

实时人脸检测和识别

 

  • 简介：基于opencv/tensorflow/mtcnn/facenet的实时人脸检测与识别
  • github： https

瞄准终极准确度：通过深度嵌入进行人脸识别

 

  • 简介：CVPR 2015
  • arxiv： http

学习鲁棒的深度人脸表示

 

  • arxiv： https

用于带有噪声标签的深度人脸表示的轻型 CNN

 

  • arxiv： https
  • github： https

野外姿势感知人脸识别

 

  • 论文： www.cv-foundation.org/openaccess/content_cvpr_2016/papers/Masi_Pose-Aware_Face_Recognition_CVPR_2016_paper.pdf

用于人脸验证和聚类的三元组概率嵌入

 

  • 介绍：BTAS 2016 中的口头论文； NVIDIA 最佳论文奖
  • arxiv： https
  • github（硬）： https

人脸识别的递归回归

 

  • arxiv： http

一种用于深度人脸识别的判别特征学习方法

 

  • 简介：ECCV 2016
  • 简介：中心损失
  • 论文：http: //ydwen.github.io/papers/WenECCV16.pdf
  • github： https
  • github： https

具有中心不变损失的深度人脸识别

 

  • 介绍：ACM MM 研讨会
  • 论文： http

图像降级如何影响基于深度 CNN 的人脸识别？

 

  • arxiv： http

VIPLFaceNet：开源深度人脸识别 SDK

 

  • 关键词：VIPLFaceNet / SeetaFace 引擎
  • arxiv： http

SeetaFace 引擎

 

  • 简介：SeetaFace Engine是一个开源的C++人脸识别引擎，可以在CPU上运行，不依赖第三方。
  • github： https

一种用于深度人脸识别的判别特征学习方法

 

  • 简介：ECCV 2016
  • 论文：http: //ydwen.github.io/papers/WenECCV16.pdf

用于人脸识别的稀疏神经网络连接

 

  • 论文： http

长尾深度人脸识别的距离损失

 

  • arxiv： https

用于人脸验证的混合深度学习

 

  • 介绍：TPAMI 2016。CNN+RBM
  • 论文： http

通过对齐学习实现端到端人脸识别

 

  • 简介：清华大学
  • arxiv： https

用于人脸识别的多任务卷积神经网络

 

  • arxiv： https

NormFace：用于人脸验证的 L2 超球面嵌入

 

  • arxiv： https
  • github： https

SphereFace：用于人脸识别的深度超球面嵌入

 

  • 简介：CVPR 2017
  • arxiv： http
  • github： https
  • 演示：http: //v-wb.youku.com/v_show/id_XMjk3NTc1NjMxMg==.html

用于判别人脸验证的 L2 约束 Softmax 损失

https://arxiv.org/abs/1703.09507

使用双分支深度卷积神经网络架构的低分辨率人脸识别

 

  • 简介：阿米尔卡比尔科技大学和麻省理工学院
  • arxiv： https

使用遮挡图和批量三元组损失增强用于人脸识别的卷积神经网络

https://arxiv.org/abs/1707.07923

人脸分类、对齐和验证中具有知识转移的模型蒸馏

https://arxiv.org/abs/1709.02929

使用条件对抗网络改进异构人脸识别

https://arxiv.org/abs/1709.02848

通过耦合深度变换学习进行人脸草图匹配

 

  • 简介：ICCV 2017
  • arxiv： https

用于人脸验证的 Additive Margin Softmax

 

  • 关键词：附加边距Softmax（AM-Softmax），
  • arxiv： https
  • github： https

通过集中坐标学习进行人脸识别

https://arxiv.org/abs/1801.05678

ArcFace：用于深度人脸识别的附加角边距损失

 

  • arxiv： https
  • github： https

CosFace：深度人脸识别的大余量余弦损失

https://arxiv.org/abs/1801.09414

环损失：人脸识别的凸特征归一化

 

  • 简介：CVPR 2018
  • arxiv： https

基于深度残差等变映射的姿态鲁棒人脸识别

 

  • 简介：CVPR 2018. CUHK & SenseTime Research
  • arxiv： https

视频人脸识别

基于注意力集的视频人脸识别度量学习

https://arxiv.org/abs/1704.03805

SeqFace：充分利用序列信息进行人脸识别

 

  • arxiv： https
  • github： https

面部点/地标检测

用于面部点检测的深度卷积网络级联

人脸识别算法总结

 

  • homepage: http://mmlab.ie.cuhk.edu.hk/archive/CNN_FacePoint.htm
  • paper: http://www.ee.cuhk.edu.hk/~xgwang/papers/sunWTcvpr13.pdf
  • github: https://github.com/luoyetx/deep-landmark

Facial Landmark Detection by Deep Multi-task Learning

 

  • intro: ECCV 2014
  • project page: http://mmlab.ie.cuhk.edu.hk/projects/TCDCN.html
  • paper: http://personal.ie.cuhk.edu.hk/~ccloy/files/eccv_2014_deepfacealign.pdf
  • github(Matlab): https://github.com/zhzhanp/TCDCN-face-alignment

A Recurrent Encoder-Decoder Network for Sequential Face Alignment

 

  • intro: ECCV 2016 oral
  • project page: https://sites.google.com/site/xipengcshomepage/eccv2016
  • arxiv: https://arxiv.org/abs/1608.05477
  • slides: https://drive.google.com/file/d/0B-FLp_bljv_1OTVrMF9OM21IbW8/view
  • github: https://github.com/xipeng13/recurrent-face-alignment

RED-Net: A Recurrent Encoder-Decoder Network for Video-based Face Alignment

 

  • intro: IJCV
  • arxiv: https://arxiv.org/abs/1801.06066

Detecting facial landmarks in the video based on a hybrid framework

 

  • arxiv： http

用于面部地标检测的深度约束局部模型

 

  • arxiv： https

通过单个深度网络进行有效的人脸地标定位

 

  • arxiv： https

具有反卷积分支的卷积树：利用几何关系进行单次关键点检测

https://arxiv.org/abs/1704.01880

深度对齐网络：用于鲁棒人脸对齐的卷积神经网络

 

  • 简介：CVPRW 2017
  • arxiv： https
  • http://github.com/MarekKowalski/DeepAlignmentNetwork_ _

野外联合多视图人脸对齐

https://arxiv.org/abs/1708.06023

FacePoseNet：为无地标人脸对齐提供案例

https://arxiv.org/abs/1708.07517

使用卷积神经网络进行鲁棒面部地标定位的机翼损失

https://arxiv.org/abs/1711.06753

Brute-Force Facial Landmark Analysis With A 140,000-Way Classifier

 

  • intro: AAAI 2018
  • arxiv: https://arxiv.org/abs/1802.01777
  • github: https://github.com/mtli/BFFL

Style Aggregated Network for Facial Landmark Detection

 

  • intro: CVPR 2018
  • arxiv: https://arxiv.org/abs/1803.04108
  • github: https://github.com/D-X-Y/SAN

联合面部动作单元检测和面部对齐的深度自适应注意

https://arxiv.org/abs/1803.05588

项目

使用 MXNet 进行人脸相关算法

 

  • github： https

clmtrackr：通过约束局部模型精确跟踪面部特征的 Javascript 库

 

  • github： https
  • 博客： http
  • 演示： http
  • 演示： http
  • 演示： http
  • 演示： http

深标志

 

  • 介绍：使用深度卷积神经网络的品牌标识识别系统。
  • github： https

深折叶

 

  • 简介：LeafSnap 使用深度神经网络进行复制，以测试与传统计算机视觉方法相比的准确性。
  • github： https

FaceVerification：人脸验证的实验实现，LFW 上 96.8%

 

  • github： https

洞察脸

 

  • 简介：MXnet 上的人脸识别项目
  • arxiv: https://github.com//deepinsight/insightface

OpenFace

OpenFace: Face Recognition with Deep Neural Networks

 

  • 主页： http
  • github： https
  • github： https

OpenFace 0.2.0：更高的准确性和减半的执行时间

 

  • 主页： http

OpenFace：具有移动应用程序的通用人脸识别库

 

  • 论文： http

OpenFace：一个开源的面部行为分析工具包

人脸识别算法总结

 

  • 简介：一个最先进的开源工具，用于面部标志检测、头部姿势估计、
    面部动作单元识别和眼睛注视估计。
  • github： https

资源

人脸资源

 

  • github： https

免责声明：本站所有文章内容,图片，视频等均是来源于用户投稿和互联网及文摘转载整编而成，不代表本站观点，不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益，请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权，请联系删除，如若转载，请注明出处：https://yundeesoft.com/32684.html

赞 (0)
老牧童老牧童
0

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注

关注微信