人脸识别引擎SeetaFaceEngine简介及在windows7 vs2013下的编译
SeetaFaceEngine是开源的C++人脸识别引擎，无需第三方库，它是由中科院计算所山世光老师团队研发。它的License是BSD-2.
SeetaFaceEngine库包括三个模块：人脸检测(detection)、面部特征点定位(alignment)、人脸特征提取与比对(identification)。
人脸检测模块：基于一种结合经典级联结构和多层神经网络的人脸检测方法实现，其所采用的漏斗型级联结构（Funnel-Structured Cascade，FuSt）专门针对多姿态人脸检测而设计，其中引入了由粗到精的设计理念，兼顾了速度和精度的平衡。FuSt级联结构在顶部由多个针对不同姿态的快速LAB级联分类器构成，紧接着是若干个基于SURF特征的多层感知机（MLP）级联结构，最后由一个统一的MLP级联结构（同样基于SURF特征）来处理所有姿态的候选窗口，整体上呈现出上宽下窄的漏斗形状。从上往下，各个层次上的分类器及其所采用的特征逐步变得复杂，从而可以保留人脸窗口并排除越来越难与人脸区分的非人脸候选窗口。
面部特征点定位：采用一种由粗到精的自编码器网络(Coarse-to-Fine Auto-encoder Networks, CFAN )方法实现。CFAN级联了多级栈式自编码器网络，其中的每一级都刻画从人脸表观到人脸形状的部分非线性映射。具体来说，输入一个人脸区域（由人脸检测模块得到），第一级自编码器网络直接从该人脸的低分辨率版本中快速估计大致的人脸形状S0。然后，提高输入人脸图像的分辨率，并抽取当前人脸形状S0（相应提升分辨率）各特征点位置的局部特征，输入到下一级自编码器网络来进一步优化人脸对齐结果。以此类推，通过级联多个栈式自编码器网络，在越来越高分辨率的人脸图像上逐步优化人脸对齐结果。CFAN方法实现了5个面部关键特征点（两眼中心，鼻尖和两个嘴角）的精确定位。
人脸特征提取与比对：采用深度卷积神经网络VIPLFaceNet实现，一个包含7个卷积层与2个全连接层的DCNN。VIPLFaceNet将5x5的卷积核拆分为两层3x3的卷积核，从而增加了网络深度，而并没有增加计算量；VIPLFaceNet还减少了每个卷积层的kernel数目以及FC2层的节点数。同时，通过引入Fast Normalization Layer（FNL），加速了VIPLFaceNet的收敛速度，并在一定程度上提升了模型的泛化能力。特征比对可简单采用Cosine计算相似度，然后进行阈值比较（验证应用）或排序（识别应用）即可。
以上内容摘自：http://mp.weixin.qq.com/s?__biz=MzI1NTE4NTUwOQ==&mid=2650325457&idx=1&sn=5fa67f028980b3f451d1e2b568d49cbf&chksm=f235a6dbc5422fcd7eefff058dfaccaeca2b3b0000ccee0edaf523a3db7740967c018cd25d00&scene=1&srcid=0914vg7OKyrgGSOr8Vv2RzIF#wechat_redirect&utm_source=tuicool&utm_medium=referral
这三个模块，每个模块都可以单独生成一个动态库，在源码的每个模块的examples目录下给出了在
windows vs2013下的工程，为了便于以后测试和调试，这里将3个工程全部放在了新建的Face_Test工程下，
可以在x64 debug/release下直接生成相应的动态库，图如下：
GitHub：https://github.com/fengbingchun/Face_Test
相关文章：
当移动数据分析需求遇到Quick BI
我叫洞幺，是一名大型婚恋网站“我在这等你”的资深老员工，虽然在公司五六年，还在一线搬砖。“我在这等你”成立15年，目前积累注册用户高达2亿多，在我们网站成功牵手的用户达2千多万。目前我们的公司在CEO的英名带领下&…
为什么选择数据分析师这个职业？
我为什么选择做数据分析师？ 我大学专业是物流管理，学习内容偏向于管理学和经济学，但其实最感兴趣的还是心理学，即人在各种刺激下反应的机制以及原理。做数据分析师，某种意义上是对群体行为的研究和量化，两者…
人脸识别引擎SeetaFaceEngine中Detection模块使用的测试代码
人脸识别引擎SeetaFaceEngine中Detection模块用于人脸检测，以下是测试代码：int test_detection() {std::vector<std::string> images{ "1.jpg", "2.jpg", "3.jpg", "4.jpeg", "5.jpeg", "…
基于Pygame写的翻译方法
发布时间：2018-11-01技术：pygameeasygui概述 实现一个翻译功能，中英文的互相转换。并可以播放翻译后的内容。 翻译接口调用的是百度翻译的api接口。详细 代码下载：http://www.demodashi.com/demo/14326.html 一、需求分析 使用pyg…
冠军奖3万元！CSDN×易观算法大赛开赛啦
伴随着5G、物联网与大数据形成的后互联网格局的逐步形成，日益多样化的用户触点、庞杂的行为数据和沉重的业务体量也给我们的数据资产管理带来了不容忽视的挑战。为了建立更加精准的数据挖掘形式和更加智能的机器学习算法，对不断生成的用户行为事件和各类…
快速把web项目部署到weblogic上
weblogic简介 BEA WebLogic是用于开发、集成、部署和管理大型分布式Web应用、网络应用和数据库应 用的Java应用服务器。将Java的动态功能和Java Enterprise标准的安全性引入大型网络应用的开发、集成、部署和管理之中。 BEA WebLogic Server拥有处理关键Web应用系统问题所需的性…
使GDAL库支持中文路径或中文文件名的处理方法
之前生成的gdal 2.1.1动态库，在通过命令行执行时，遇到有中文路径或中文图像名时，GDALOpen函数不能正确的被调用，如下图：解决方法：1. 在所有使用GDALAllRegister();语句后面加上一句CPLSetConfigOption…
创新工场论文入选NeurIPS 2019，研发最强“AI蒙汗药”
9月4日，被誉为机器学习和神经网络领域的顶级会议之一的 NeurIPS 2019 揭晓收录论文名单，创新工场人工智能工程院的论文《Learning to Confuse: Generating Training Time Adversarial Data with Auto-Encoder》被接收在列。这篇论文围绕现阶段人工智能系…
Flutter环境搭建（Windows）
SDK获取 去官方网站下载最新的安装包 ，或者在Github中的Flutter项目去 下载 。 将下载的安装包解压 注意：不要将Flutter安装到高权限路径，例如 C:\Program Files\ 配置环境变量，在Path中添加flutter\bin的全路径(如：D…
Android在eoe分享一篇推荐开发组件或者框架的文章
http://www.eoeandroid.com/thread-311194-1-1.html y4078275315 主题 62 帖子 352 e币实习版主 积分314发消息电梯直达楼主 回复 发表于 2013-11-7 09:58:45 | 只看该作者 |只看大图 34本帖最后由 y407827531 于 2013-11-28 15:07 编辑感谢版主推荐，本贴会持续更新…
如何打造高质量的机器学习数据集?这份超详指南不可错过
作者 | 周岩，夕小瑶，霍华德，留德华叫兽转载自知乎博主『运筹OR帷幄』导读：随着计算机行业的发展，人工智能和数据科学近几年成为了学术和工业界关注的热点。特别是这些年人工智能的发展日新月异，每天都有新的…
人脸识别引擎SeetaFaceEngine中Alignment模块使用的测试代码
人脸识别引擎SeetaFaceEngine中Alignment模块用于检测人脸关键点，包括5个点，两个眼的中心、鼻尖、两个嘴角，以下是测试代码：int test_alignment() {std::vector<std::string> images{ "1.jpg", "2.jpg"…
微软宣布 Win10 设备数突破8亿，距离10亿还远吗？
开发四年只会写业务代码，分布式高并发都不会还做程序员？ >>> 微软高管 Yusuf Mehdi 昨天在推特发布了一条推文，宣布运行 Windows 10 的设备数已突破 8 亿，比半年前增加了 1 亿。 根据之前的报道，两个月前 W…
领导者必须学会做的十件事情
在这个世界上你可以逃避很多事情并且仍然能够获得成功，但是有些事情你根本就无法走捷径。商业领导者们并不存在于真空之中。成功总是与竞争有关。你可能拥有伟大的产品、服务、概念、战略、团队等等，如果它不能从某种程度上超越竞争对手，这对…
人脸识别引擎SeetaFaceEngine中Identification模块使用的测试代码
人脸识别引擎SeetaFaceEngine中Identification模块用于比较两幅人脸图像的相似度，以下是测试代码：int test_recognize() {const std::string path_images{ "E:/GitCode/Face_Test/testdata/recognization/" };seeta::FaceDetection detector(&…
李沐亲授加州大学伯克利分校深度学习课程移师中国，现场资料新鲜出炉
2019 年 9 月 5 日，AI ProCon 2019 在北京长城饭店正式拉开帷幕。大会的第一天，以亚马逊首席科学家李沐面对面亲自授课完美开启！“大神”，是很多人对李沐的印象。除了是亚马逊首席科学家李，李沐还拥有多重身份…
对Python课的看法
学习Python已经有两周的时间了，我是计算机专业的学生，我抱着可以多了解一种语言的想法报了Python的选修课，从第一次听肖老师的课开始，我便感受到一种好久没有感受到的课堂氛围，感觉十分舒服，不再是那种高中…
维护学习的一点体会与看法
学习维护的知识也有2个月了，对于知识的学习也有一定的看法。接下来我就说一下我对学习的看法。首先，你要学会自学，无论是看书还是上网查资料，维护的知识很多很杂，想要人一下子来教是不可能。只能是自己慢慢的学。其次&…
Dlib简介及在windows7 vs2013编译过程
Dlib是一个C库，包含了许多机器学习算法。它是跨平台的，可以应用在Windows、Linux、Mac、embedded devices、mobile phones等。它的License是Boost Software License 1.0，可以商用。Dlib的主要特点可以参考官方网站：http://dlib.ne…
六大主题报告，四大技术专题，AI开发者大会首日精华内容全回顾
9月6-7日，2019中国AI开发者大会（AI ProCon 2019） 在北京拉开帷幕。本次大会由新一代人工智能产业技术创新战略联盟（AITISA）指导，鹏城实验室、北京智源人工智能研究院支持，专业中文IT技术社区CSD…
Git安装配置（Linux）
使用yum安装Git yum install git -y 编译安装 # 安装依赖关系 yum install curl-devel expat-devel gettext-devel openssl-devel zlib-devel # 编译安装 tar -zxf git-2.0.0.tar.gz cd git-2.0.0 make configure ./configure --prefix/usr make make install 配置Git…
卷积神经网络(CNN)代码实现(MNIST)解析
在http://blog.csdn.net/fengbingchun/article/details/50814710中给出了CNN的简单实现，这里对每一步的实现作个说明：共7层：依次为输入层、C1层、S2层、C3层、S4层、C5层、输出层，C代表卷积层(特征提取)，S代表降采样层…
一点感悟和自勉
来学习linux，其实目的很简单，也很现实，就是为了学成之后找一份好的工作，能够养家糊口。 接触了几天，感觉挺难的，可能是因为我没有基础的原因吧，以前电脑只是用来打游戏和看电影，第一…
入门数据分析师，从了解元数据中心开始
作者丨凯凯连编辑丨Zandy来源 | 大数据与人工智能（ID：ai-big-data）【导读】上一篇文章，我们简单讲解了数据仓库的概念，并介绍了它的分层架构设计，相信大家对数据仓库体系已经有一定的了解了。那么ÿ…
PhpMyAdmin的简单安装和一个mysql到Redis迁移的简单例子
1.phpmyadmin的安装 sudo apt-get install phpmyadmin 之后发现http://localhost/phpmyadmin显示没有此url，于是想到本机上能显示的网页都在/var/www文件夹内，因此执行命令行:sudo ln /usr/share/phpmyadmin /var/www 这样就能使用了； 之…
聊聊flink的HistoryServer
为什么80%的码农都做不了架构师？>>> 序 本文主要研究一下flink的HistoryServer HistoryServer flink-1.7.2/flink-runtime-web/src/main/java/org/apache/flink/runtime/webmonitor/history/HistoryServer.java public class HistoryServer {private st…
深度学习开源库tiny-dnn的使用(MNIST)
tiny-dnn是一个基于DNN的深度学习开源库，它的License是BSD 3-Clause。之前名字是tiny-cnn是基于CNN的，tiny-dnn与tiny-cnn相关又增加了些新层。此开源库很活跃，几乎每天都有新的提交，因此下面详细介绍下tiny-dnn在windows7 64bit …
如何学习SVM？怎么改进实现SVM算法程序？答案来了
编辑 | 忆臻来源 | 深度学习这件小事（ID：DL_NLP）【导读】在 3D 动作识别领域，需要用到 SVM（支持向量机算法），但是现在所知道的 SVM 算法很多很乱，相关的程序包也很多，有什…
跟着石头哥哥学cocos2d-x（三）---2dx引擎中的内存管理模型
2019独角兽企业重金招聘Python工程师标准>>> 2dx引擎中的对象内存管理模型，很简单就是一个对象池引用计数，本着学好2dx的好奇心，先这里开走吧，紧接上面两节，首先我们看一个编码场景代码： hello…
读8篇论文，梳理BERT相关模型进展与反思
作者 | 陈永强来源 | 微软研究院AI头条（ID:MSRAsia)【导读】BERT 自从在 arXiv 上发表以来获得了很大的成功和关注，打开了 NLP 中 2-Stage 的潘多拉魔盒。随后涌现了一大批类似于“BERT”的预训练（pre-trained）模型，有…