0--Parade/0_Parade_marchingband_1_849.jpg 448 329 570 478
0--Parade/0_Parade_Parade_0_904.jpg 360 97 623 436
0--Parade/0_Parade_marchingband_1_799.jpg 78 221 85 229 78 237 92 255 112 212 123 226 133 260 148 274 163 250 177 267 200 217 210 229 182 266 197 283 245 279 263 294 303 264 319 281 328 295 344 315 389 281 406 300 406 292 427 314 435 290 457 307 522 328 542 346 642 320 666 341 653 224 670 249 792 337 815 366 535 311 551 328 29 220 40 235 3 231 14 246 20 215 32 230
0--Parade/0_Parade_marchingband_1_117.jpg 68 359 118 394 226 382 282 425 295 304 339 330 353 279 393 315 884 377 947 418 818 390 853 434 727 341 764 372 598 246 631 275 740 308 785 341
0--Parade/0_Parade_marchingband_1_778.jpg 27 226 59 262 62 94 79 113 63 62 80 80 87 13 104 28 230 1 243 14 262 121 277 141 367 68 382 90 197 97 212 115 293 161 344 220 412 35 426 55 440 23 457 36 474 40 488 61 509 23 523 40 575 29 591 44 577 70 593 91 595 94 611 114 569 125 582 141 644 171 696 229 719 98 730 113 790 153 844 202 884 97 900 117 898 48 912 68 944 88 959 108 922 37 936 53 742 70 753 88 840 17 857 33 979 56 992 76 1001 106 1015 119 488 2 500 19 585 1 600 18 668 1 680 15 743 1 761 16 802 3 820 20 294 2 305 12 202 0 215 13
0--Parade/0_Parade_Parade_0_343.jpg 133 580 146 593 54 581 60 591 107 550 121 575 134 539 139 546 1004 554 1019 576 988 592 1005 613 960 554 973 573 945 568 960 589 921 554 937 573 900 583 912 600 897 568 909 581 829 581 844 602 812 574 824 594 823 563 833 576 854 578 864 590 985 663 1000 684 587 574 594 586 333 385 343 401
0--Parade/0_Parade_marchingband_1_205.jpg 59 55 78 74 39 1 56 22 90 18 106 41 144 15 161 37 117 30 132 47 201 16 221 36 162 53 176 72 97 53 113 79 9 85 22 106 59 116 76 139 45 161 59 182 18 247 48 278 114 237 139 265 210 239 231 266 308 259 332 285 402 205 433 242 260 141 280 164 283 151 301 170 353 159 370 183 238 37 250 56 251 28 271 47 266 56 280 75 357 80 371 101 489 112 508 135 545 122 561 148 511 73 529 94 543 75 560 100 544 49 561 67 562 67 583 96 464 68 482 94 502 37 520 56 595 53 612 70 574 138 588 159 554 164 567 185 497 256 526 284 580 239 607 267 706 166 747 209 654 140 672 164 533 3 549 20 596 20 613 39 684 47 699 67 665 40 678 58 659 6 673 27 747 10 765 32 795 17 809 37 813 16 830 41 850 39 870 62 806 59 823 84 739 54 756 78 831 117 852 140 866 108 882 132 798 221 830 260 870 236 898 267 911 223 927 245 991 142 1011 164 940 88 958 109 917 24 939 53 1000 25 1017 45 932 58 949 83 759 34 774 57 758 127 775 152 346 22 363 40 25 41 40 63 47 23 62 45 328 219 350 243
0--Parade/0_Parade_Parade_0_106.jpg 8 260 26 283 60 247 84 276 56 314 82 346 91 318 113 347 120 282 147 316 138 313 167 343 192 289 217 323 231 303 260 340 89 257 101 275 100 269 116 291 125 259 146 282 159 235 182 265 194 229 217 261 230 233 251 263 0 359 12 388 305 236 333 265 303 247 320 269 341 284 371 323 377 329 397 359 414 210 444 251 470 202 499 238 497 231 523 268 508 271 536 308 521 230 543 254 678 259 716 307 727 215 765 257 717 361 753 403 763 229 785 260 783 202 811 237 823 249 847 278 537 268 563 310 844 200 877 250 910 155 951 207 820 376 855 420 904 341 936 386 959 362 992 411 999 196 1024 247 547 228 562 250 179 239 195 263 659 307 672 325
0--Parade/0_Parade_Parade_0_476.jpg 565 158 587 175 663 118 687 146 743 124 766 151 831 153 854 173 573 352 597 371 875 370 899 386 900 394 926 413 77 523 90 539 122 512 135 529 127 536 140 563 222 575 238 604 294 615 323 650 370 619 389 658 385 664 408 712 168 632 198 667 81 622 102 648 20 622 43 650 351 762 389 816 290 712 326 762 498 604 526 651 426 578 448 602 459 557 472 578 472 547 489 568 572 616 590 642 541 598 570 646 275 597 291 635 292 493 299 504 193 522 206 543 194 540 204 559 622 762 649 804 896 501 932 541 951 490 976 522 702 493 736 527 627 488 657 519 698 723 725 767
0--Parade/0_Parade_marchingband_1_12.jpg 575 158 623 215 355 154 403 215 108 167 153 224 494 192 523 227 873 138 925 192 687 183 720 220 308 185 338 219 268 168 286 197 17 169 35 192 170 180 183 201 190 186 203 206 643 182 661 203 985 171 1004 193 828 161 844 181 61 197 72 212 462 178 475 193 527 182 549 203 718 177 734 192
0--Parade/0_Parade_marchingband_1_273.jpg 177 238 232 311 248 235 306 308 362 156 421 229 467 153 521 225 628 110 684 191 745 138 800 215
0--Parade/0_Parade_marchingband_1_928.jpg 26 437 43 457 92 437 117 463 149 429 167 447 253 395 275 428 300 384 318 412 335 263 388 340 447 289 489 360 513 226 580 316 741 306 775 365 822 363 839 387 891 327 916 361 953 352 973 379
0--Parade/0_Parade_Parade_0_337.jpg 430 174 453 204 491 161 510 189 516 177 543 212 556 170 579 203 571 146 594 175 596 210 623 245 648 183 675 213 673 185 701 215 765 121 797 160 819 249 855 292 503 402 536 440 426 381 463 417 358 365 390 403 317 354 342 388 264 354 292 389 226 357 250 385 199 347 222 370 146 350 170 378 464 398 484 421 116 312 122 321 97 316 102 323 109 313 113 318 6 289 12 297 64 312 70 319 152 316 157 320
0--Parade/0_Parade_marchingband_1_579.jpg 166 301 176 310 206 290 216 304 255 293 265 305 134 300 143 312 125 331 135 344 148 330 157 343 173 347 181 360 196 340 205 352 216 341 225 353 239 335 247 346 261 336 269 346 135 380 144 393 157 382 167 394 187 379 196 392 207 379 217 392 234 380 243 393 86 360 94 374 59 389 68 400 86 382 96 397 111 381 120 393 79 406 89 419 116 407 126 421 164 413 175 426 331 259 340 270 371 269 379 279 283 291 293 303 754 289 761 300 719 401 731 416 754 400 763 415 782 405 791 418 858 296 868 308 869 320 879 332 846 337 854 348 900 331 909 345 844 378 852 390 867 379 875 393 895 376 904 389 922 384 932 399 946 384 957 396 855 402 866 415 823 419 832 431 884 405 894 421 915 409 924 422 948 406 956 421 506 125 518 144 342 288 352 300 373 286 381 297 408 285 417 298 296 334 304 347 336 332 344 344 362 336 371 348 392 335 400 346 418 330 426 341 297 379 306 391 327 377 334 388 352 375 360 387 380 378 390 391 409 376 419 388 268 379 277 390 238 402 248 415 200 415 209 427 279 410 289 424 306 413 314 424 336 399 346 415 431 254 440 267 505 262 515 273 447 286 456 297 488 280 498 294 523 284 532 295 560 283 571 297 443 333 452 346 473 328 481 341 506 329 514 341 541 329 550 342 564 331 573 344 793 290 801 302 829 292 838 304 727 333 737 346 751 333 761 345 771 336 780 349 795 338 803 349 822 336 831 349 700 376 709 388 724 378 732 389 751 377 763 392 780 379 789 390 803 378 812 390 824 379 831 391 647 401 657 415 684 402 694 415 314 288 324 301 433 375 442 386 460 376 469 388 488 374 497 387 526 373 535 386 549 374 558 386 373 405 380 420 402 408 411 421 438 407 448 423 474 406 483 420 506 404 514 418 537 401 548 415 576 375 586 387 573 399 584 414 605 374 614 386 612 405 620 416 632 375 641 387 574 262 582 273 618 264 624 275 594 284 603 294 632 284 642 297 665 288 674 299 680 265 688 277 591 328 600 340 615 333 623 343 650 332 660 344 690 330 698 343 672 376 681 388 717 256 725 268 706 285 715 298 735 287 744 299
0--Parade/0_Parade_Parade_0_90.jpg 35 34 65 72 126 64 155 104 164 81 191 115 199 58 224 91 239 64 270 97 273 10 293 31 311 27 326 47 215 11 230 29 395 90 425 128 481 100 488 112 504 107 511 116 525 98 532 109 438 99 444 111 57 457 82 492 21 477 40 500 155 476 165 490 178 470 209 506 232 483 244 498 227 475 235 484 326 494 342 513 439 470 455 496 433 490 440 501 860 444 879 475 921 421 944 461 653 441 702 498
0--Parade/0_Parade_marchingband_1_300.jpg 73 279 91 304 184 277 202 295 215 264 228 281 226 278 246 301 325 262 342 281 352 248 374 271 347 277 363 303 497 253 519 276 503 231 523 250 545 261 565 285 576 227 598 259 646 244 661 261 670 249 687 272 682 248 704 280 714 243 732 274 762 250 773 264 852 264 868 286 862 239 892 283 907 213 930 243 922 246 946 282
0--Parade/0_Parade_Parade_0_782.jpg 1 70 45 127 101 66 146 120 218 69 256 125 323 108 361 151 341 83 382 136 422 81 446 122 439 85 483 141 520 76 543 106 519 49 532 65 536 101 557 135 479 25 495 41 547 99 585 154 557 83 602 144 611 124 645 172 656 106 696 153 711 81 762 146 771 102 806 151 832 76 883 138 915 88 959 142 979 98 1024 147 630 20 639
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
DFace 是个开源的深度学习人脸检测和人脸识别系统。所有功能都采用 pytorch 框架开发。pytorch是一个由facebook开发的深度学习框架,它包含了一些比较有趣的高级特性,例如自动求导,动态构图等。DFace天然的继承了这些优点,使得它的训练过程可以更加简单方便,并且实现的代码可以更加清晰易懂。 DFace可以利用CUDA来支持GPU加速模式。我们建议尝试linux GPU这种模式,它几乎可以实现实时的效果。 所有的灵感都来源于学术界最近的一些研究成果,例如 Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks 和 FaceNet: A Unified Embedding for Face Recognition and Clustering
资源推荐
资源详情
资源评论
收起资源包目录
基于深度学习的人脸检测与识别系统,Pytorch.rar (50个子文件)
基于深度学习的人脸检测与识别系统,Pytorch实现。
dface-master
environment_osx.yaml 2KB
test.jpg 75KB
anno_store
__init__.py 0B
wider_origin_anno.txt 3.06MB
info 55B
model_store
__init__.py 0B
onet_epoch.pt 879KB
info 63B
rnet_epoch.pt 237KB
pnet_epoch.pt 29KB
test_image.py 820B
environment.yml 1KB
environment-win64.yml 7KB
log
__init__.py 0B
info 7B
dface
__init__.py 0B
prepare_data
__init__.py 0B
gen_landmark_48.py 5KB
gen_Onet_train_data.py 8KB
assemble_onet_imglist.py 984B
assemble.py 979B
gen_landmark_12.py 5KB
gen_landmark_net_48.py 8KB
gen_landmark_24.py 5KB
assemble_rnet_imglist.py 996B
gen_Rnet_train_data.py 8KB
widerface_annotation_gen
__init__.py 0B
wider_face_train.mat 1.48MB
wider_loader.py 1KB
transform.py 1016B
.keep 0B
gen_Pnet_train_data.py 7KB
assemble_pnet_imglist.py 996B
core
vision.py 5KB
utils.py 3KB
__init__.py 0B
roc.py 20B
image_reader.py 4KB
models.py 7KB
imagedb.py 5KB
image_tools.py 1KB
detect.py 22KB
nms.py 1KB
resnet_inception_v2.py 9KB
train_net
__init__.py 0B
train_p_net.py 2KB
train_r_net.py 2KB
train_o_net.py 2KB
train.py 11KB
config.py 1KB
共 50 条
- 1
计算机毕设论文
- 粉丝: 1w+
- 资源: 399
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
- 1
- 2
- 3
- 4
前往页