随笔分类 - 32.dlib
摘要：安装与编译Dlib（以Ubuntu16.04+Python3.6+pip为例） Step1：下载Ubuntu (or Linux)系统支持库=>Install OS libraries sudo apt-get install build-essential cmake pkg-config lib
阅读全文
摘要：环境：Ubuntu 16.04 Cmake 3.10 一、下载源码 到官网http://dlib.net/或者github上https://github.com/davisking/dlib下载源码。 我这里下载的是dlib-19.18版本。 二、Cmake 解压源码。 tar xvf dlib-1
阅读全文
摘要：1. 源代码先给出测试的结果，关键点并不是特别准，原因是训练样本数据量太少。 以下给出完整的人脸关键点检测器训练代码。详细的代码解读请看第二部分。 /* faceLandmarksTrain.cppfunction:借助dlib训练自己的人脸关键点检测器(参考dlib/examples/train_
阅读全文
摘要：1.简介 gbdt全称梯度提升决策树，在传统机器学习算法里面是对真实分布拟合的最好的几种算法之一，在前几年深度学习还没有大行其道之前，gbdt在各种竞赛是大放异彩。原因大概有几个，一是效果确实挺不错。二是即可以用于分类也可以用于回归。三是可以筛选特征。这三点实在是太吸引人了，导致在面试的时候大家也非
阅读全文
摘要：随机森林算法学习最近在做kaggle的时候，发现随机森林这个算法在分类问题上效果十分的好，大多数情况下效果远要比svm，log回归，knn等算法效果好。因此想琢磨琢磨这个算法的原理。 要学随机森林，首先先简单介绍一下集成学习方法和决策树算法。下文仅对该两种方法做简单介绍（具体学习推荐看统计学习方法的
阅读全文
摘要：摘录一些资料 来自：https://blog.csdn.net/ebzxw/article/details/80441556 shape_predictor_68_face_landmarks.dat是已经训练好的人脸关键点检测器。 dlib_face_recognition_resnet_mode
阅读全文
摘要：一、CART（分类回归树） 1.思想： 一种采用基尼信息增益作为划分属性的二叉决策树。基尼指数越小，表示纯度越高。 2.回归： 每个节点都有一个预测值，预测值等于属于该节点的所有样例的平均值，分支时，选择每个属性的每个阈值的最好分割点，衡量的标准是最小化均方差。 训练：对训练样本的第i（1<=i<=
阅读全文
摘要：级联回归属于人脸对齐中的判别方法，优点和缺点如下：优点：- 通过对initial shape进行调整，可以简单方便地进行数据增广。- 能够有效训练大规模数据- 简单，通用性强，替换不同的特征和模型方便，计算效率高。 缺点：- 大pose下效果差（跟initial shape主要是mean shape
阅读全文
摘要：image.png image.png image.png image.png image.png image.png image.png image.png image.png GBDT 调参 image.png image.png image.png image.png image.png im
阅读全文
摘要：1.概述 文章名称：One Millisecond Face Alignment with an Ensemble of Regression Trees文章来源：2014CVPR文章作者：Vahid Kazemi ，Josephine Sullivan简要介绍：One Millisecond Fa
阅读全文
摘要：1. 引言AI时代，机器学习算法成为了研究、应用的热点。当前，最火的两类算法莫过于神经网络算法（CNN、RNN、LSTM等）与树形算法（随机森林、GBDT、XGBoost等），树形算法的基础就是决策树。决策树因其易理解、易构建、速度快的特性，被广泛应用于统计学、数据挖掘、机器学习领域。因此，对决策树
阅读全文
摘要：前言前面的博客都是使用dlib官方提供的训练好的模型，进行目标识别。- python dlib学习（一）：人脸检测- python dlib学习（二）：人脸特征点标定- python dlib学习（三）：调用cnn人脸检测- python dlib学习（四）：单目标跟踪- python dlib学习
阅读全文
摘要：landmark是一种人脸部特征点提取的技术，Dlib库中为人脸68点标记，在《调用Dlib库进行人脸关键点标记》一文中有效果和标定点序号的示意图。今后可采用landmark中的点提取眼睛区域、嘴巴区域用于疲劳检测，提取鼻子等部分可用于3D姿态估计。 Dlib库使用《One Millisecond
阅读全文
摘要：GBDT (Gradient Boosting Decision Tree) 梯度提升迭代决策树。GBDT 也是 Boosting 算法的一种，但是和 AdaBoost 算法不同（AdaBoost 算法上一篇文章已经介绍）；区别如下：AdaBoost 算法是利用前一轮的弱学习器的误差来更新样本权重值
阅读全文
摘要：dlib 下 face_landmark_detection_ex This face detector is made using the classic Histogram of Oriented Gradients (HOG) feature combined with a linear cl
阅读全文
摘要：本文链接：https://blog.csdn.net/koibiki/article/details/83588796收起论文连接：One Millisecond Face Alignment with an Ensemble of Regression Trees 1.简介本文也采用级联回归树。
阅读全文
摘要：landmark是一种人脸部特征点提取的技术，Dlib库中为人脸68点标记，在《调用Dlib库进行人脸关键点标记》一文中有效果和标定点序号的示意图。今后可采用landmark中的点提取眼睛区域、嘴巴区域用于疲劳检测，提取鼻子等部分可用于3D姿态估计。 Dlib库使用《One Millisecond
阅读全文
摘要：集成回归树算法训练模型，首先在训练集中对人脸图像特征点进行标注。然后利用回归树模型进行训练。首先需要计算的是平均脸，作为模型在测试时初始化的形状，认为是shape。训练时，将像素点强度作为特征，已标定的训练集附近的像素点和点对之间的距离作为特征池，将距离除以两眼之间的距离以进行归一化，这里引入指数距
阅读全文
摘要：- # for macOS brew install cmake brew install boost brew install boost-python --with-python3 # for Ubuntu 16.04 sudo apt-get install build-essential c
阅读全文
