人脸检测的Viola-Jones方法

对于人脸识别这种类型的应用来说,通常都会分为几个步骤: 人脸检测(Face Detection)。检测到人脸所在的区域。并进行一系列的矫正。 人脸校准(Face Alignment)。人脸校准指的是在图片中寻找到鼻子、眼睛、嘴巴之类的位置。 如图中,红色的框是在进行检测,白色的点是在进行校准。 信息识别(Info Recognition)。进行性别、年龄等信息的分析和识别。 这三个问题可以说每一个都是一个非常广泛的研究领域,有很多值得做的工作。本文只做一些简单的介绍。 人脸检测 Viola-Jones方法 传统的人脸检测算法是Viola-Jones算法。在OpenCV中的人脸检测功能也是使用的这种算法。它有三个核心步骤:Haar-like特征、Adaboost分类器和Cascade级联分类器。 Haar-like特征 所谓Haar-like特征其实很好理解。

  • Xiaozhe Yao
    Xiaozhe Yao
6 min read

UCloud AI Train深度学习实践:使用TensorFlow实现快速风格迁移

本文介绍如何实现一个快速的风格迁移项目,并一步一步地通过本地机器和UCloud AI Train服务来实现在线的训练。在训练结束之后,对输入的图片进行风格迁移并输出成图片。本文也对比了使用本地机器和UCloud AI Train的时间/价格对比。 之前的一篇文章介绍了使用Pytorch来实现类似PRISMA的效果,然而评论区大佬们纷纷表示在自己的电脑上运行速度过慢,在当时我的机器上,一张图片动辄需要五六分钟的时间才能完成。这是由于每次我们将两张图片输入到系统时,都要先对风格文件进行处理,训练出可以有效生成图片的网络,这一步是和目标图片无关的。如果我们可以先生成这个模型,保存下来,之后每一次有新的图片进来,我们就不再重新训练模型了,这样就可以大大减少执行时间。 实际上,像PRISMA最初也是只给定了几种风格供选择,通过提前进行训练就可以大大节省服务器的成本,同时也减少了用户的等待时间。后续也有很多篇文章和代码来实现提前训练,如Perceptual Losses for Real-Time Style

  • Xiaozhe Yao
    Xiaozhe Yao
15 min read

Subscribe to CVTron Team