【文件属性】：
文件名称：Demo-of-face-detection-and-counting-
文件大小：40.08MB
文件格式：ZIP
更新时间：2021-04-27 14:26:57
JupyterNotebook
ExtendedTinyFaces
分析，评论和“发现小脸”（P. Hu）的应用[1]，着重于计数演示/人群中的许多脸。 RecVis（MVA）课程 Attia， 您可以找到我们的。
介绍
该论文-在CVPR 2017上发布-通过使用在单个（深）特征层次结构上定义的特征，基于比例特定的检测器，查找图像中的小物体（尤其是本例中的人脸）：比例不变性，图像分辨率，上下文推理。 该算法基于*凹描述符，即模糊外围图像以进行编码，并给出有关上下文的足够信息，从而模仿了人类的视觉。 该主题仍然是一个开放的挑战，我们希望将其扩大到新的视野，并针对不同的应用尝试这种方法。 目的是深入了解本文的选择，以及它们在与安全性和标识有关的主题上的应用。 我们主要专注于使用TensorFlow实现的推理部分，该部分改编自此 。
人脸检测基准
首先，我们旨在将Tiny Faces算法与其他面部检测模型进行比较。 我
【文件预览】：
Demo-of-face-detection-and-counting--master
----data()
--------Downscaling.png(3.22MB)
--------92_TinyFaces.png(2.14MB)
--------.DS_Store(6KB)
--------Downscale_graph.png(112KB)
--------TotalIncrementalCount.gif(16.7MB)
--------benchmark.png(138KB)
----Finding tiny faces.pdf(9.92MB)
----tiny_faces_model.py(10KB)
----notebooks()
--------Video detection.ipynb(2.56MB)
--------Counting in video.ipynb(11KB)
--------Downsampling.ipynb(1.55MB)
--------Face Detection algorithms comparison.ipynb(4.82MB)
--------Blurring.ipynb(2.03MB)
--------Counting-in-video.py(5KB)
----README.md(5KB)
----metrics.py(5KB)
----util.py(13KB)
----evaluate.py(7KB)
----detect.py(4KB)