搜索资源列表
Faceing
- 用C#在Microsoft visual 2010运用微软Face SDK开发包设计，其中采用三种基于haar特征的检测算法，用于一般姿势下的正面人脸的haar检测器，适用于多种不同姿势的人脸检测的Multiview多视角检测器和MultiviewPyramid多视角金字塔检测器，MultiviewPyramid与Multiview区别在于MultiviewPyramid算法使用内存更少。-With C# in Microsoft visual 2010 using Microsoft Face
ViolaJones_IJCV
- 一种机器视觉的物体检测算法，是一种先进物体检测算法，全英文描述.讲述一种机器视觉的物体检测算法的实现-his paper describes a visual object detection framework that is capable of processing images extremely rapidly while achieving high detection rates. There are three key contributions. The fi r
my_camera
- 使用vision.cascadeobjectdetector检测视频帧中的人眼的位置。检测器使用提琴琼斯检测算法和检测训练分类模型。人脸跟踪使用KLT算法.能够减少人头倾斜造成的影响,只有第一次检测人眼，以后都是检测特征点，运算速度快。-Use vision.cascadeobjectdetector detects video frames eye position. The detector uses a detection algorithm Tiqinqiongsi classifica
FaceAverage
- face Average point detector
人脸识别
- 本程序用到了opencv 中的扩展库opencv contrib, 先用take.cpp来获取自己的数据库，然后在用tria.cpp来训练能检测自己的脸的检测器，再运行recon.cpp来进行人脸检测。(This program uses the extension library opencv contrib in OpenCV. First, take.cpp is used to get its own database, then tria.cpp is used to train th
DropOut深度网络
- 深度神经网络在测试时面对如此大的网络是很难克服过拟合问题的。 Dropout能够很好地解决这个问题。通过阻止特征检测器的共同作用来提高神经网络的性能。这种方法的关键步骤在于训练时随机丢失网络的节点单元包括与之连接的网络权值。在训练的时候，Dropout方法可以使得网络变得更为简单紧凑。在测试阶段，通过Dropout训练得到的网络能够更准确地预测网络的输出。这种方式有效的减少了网络的过拟合问题，并且比其他正则化的方法有了更明显的提升。 本文通过一个简单的实验来比较使用Dropout方法前后网络