文件名称：Kaggle-Facial-Keypoints-Detection：使用卷积神经网络检测面部标志的位置，例如眼睛，鼻子，嘴唇
文件大小：340.43MB
文件格式：ZIP
更新时间：2024-03-10 19:23:21
Python
Kaggle面部关键点检测 面部关键点标签是计算机视觉中一个重要且具有挑战性的问题。 在推论时，我们想将人脸图像的像素表示作为输入，并输出各种界标的位置，包括眼睛和嘴唇周围和周围的位置以及鼻尖。 准确标记这些位置的能力使众多下游应用成为可能。 其中包括面部识别，面部表情分析，检测畸形的面部征兆以进行医学诊断，生物识别和视频中的面部跟踪。 例如，可以通过测量嘴唇的形状来进行面部表情分析，其中弯曲可能代表微笑，弯曲可能代表皱眉。 该分析对于对零售商店的交易的真实客户满意度或驾驶员的汽车心情进行分类很重要。 检测面部关键点是一个非常具有挑战性的问题。 解决这些难题的计算机视觉研究已经走了很长一段路，但是仍有很多改进的机会。 面部特征因人而异，拍摄角度的多样性以及面部图像相对于其余图像的比例是三个难题，这在实践中使准确标记变得困难。 该项目的目标是开发一种机器学习模型来解决这个问题，其中包括
【文件预览】：
Kaggle-Facial-Keypoints-Detection-master
----README.md(2KB)
----utils()
--------eda.py(2KB)
--------preprocessing.py(3KB)
--------__pycache__()
--------__init__.py(0B)
--------evaluation.py(721B)
----LICENSE(1KB)
----pics()
--------1st_place.png(98KB)
--------base_model.png(50KB)
--------training_val_base_model.png(24KB)
--------training_data_augmented.png(20KB)
--------before_transfer_learning_final.png(47KB)
--------dropout_training_history.csv(23KB)
--------training_data_with_generator.png(21KB)
--------FinalError.png(131KB)
--------model_1.png(23KB)
--------model_dropout.png(19KB)
--------Cross_validation.png(35KB)
--------LargeError.png(33KB)
----.gitattributes(33B)
----.ipynb_checkpoints()
--------facial-keypoint-detection-walkthrough-checkpoint.ipynb(4.91MB)
----models()
--------models.py(4KB)
--------__pycache__()
----image_aug()
--------aug_tools.py(3KB)
--------__pycache__()
----facial-keypoint-detection-walkthrough.ipynb(4.91MB)
----weights()
--------final.h5(8.95MB)
--------model2.h5(12.88MB)
--------dropout_before_flatten.h5(8.95MB)
--------Resnet_priv_1.31_pub_1.51.zip(84.04MB)
--------model3.h5(12.88MB)
----data()
--------train_images.npz(34.6MB)
--------train_labels.npy(361KB)
--------test_split_labels.npy(40KB)
--------dev_labels.npy(100KB)
--------dev_images.npy(30.09MB)
--------Resnet_priv_1.31_pub_1.51.zip(84.04MB)
--------test_split_images.npy(12.02MB)
--------IdLookupTable.csv(843KB)
--------test.zip(15.99MB)
--------training.zip(60.1MB)