文件名称：lbf算法matlab代码-LBF:LBF
文件大小：28KB
文件格式：ZIP
更新时间：2024-07-06 12:20:10
系统开源
lbf算法matlab代码人脸对齐 3000 FPS ＃＃介绍 该项目旨在（部分）复制 CVPR 2014 论文中的人脸对齐算法： 通过回归局部二值特征以 3000 FPS 进行人脸对齐。 任少清、曹旭东、魏一臣、孙健； IEEE 计算机视觉和模式识别会议 (CVPR)，2014 年，第 1685-1692 页 ##如何运行代码？ 首先，我们需要准备数据集，比如afw, lfpw, helen, ibug 等，这些都可以免费下载。 然后获取每个数据集的filelist文件Path_Images.txt（请参考问答）。 对于训练，将变量 dbnames 初始化为 {'Dataset_a', 'Dataset_b', ..., }，然后在命令行窗口中运行 train_model。 为了进行测试，在获得训练好的模型后，在命令行窗口中运行 test_model。 请记住将 dbnames 初始化为您要测试的数据集的名称。 ##依赖 liblinear: . ##学习模型 现成的模型可以在这里下载： ，其配置文件可以在文件夹“模型”中找到。 它的性能类似于原始论文中评估的 lbf_fast 模型
【文件预览】：
LBF-master
----models()
--------config_te_best.txt(1KB)
----initial_shape()
--------InitialShape_68.mat(1KB)
--------calc_meanshape.m(1KB)
--------InitialShape_29.mat(663B)
----src()
--------loadsamples.m(5KB)
--------rotateshape.m(371B)
--------RF2ArrayModel.m(3KB)
--------globalprediction.m(6KB)
--------flipshape.m(928B)
--------scaleshape.m(435B)
--------config_tr.m(1KB)
--------translateshape.m(1KB)
--------globalregression.m(6KB)
--------resetshape.m(862B)
--------config_te.m(1KB)
--------train_model.m(9KB)
--------rotatepoints.m(1KB)
--------test_model.m(9KB)
--------train_randomfs.m(11KB)
--------getbbox.m(514B)
--------write_binary_model.m(589B)
--------drawshapes.m(445B)
--------getproposals.m(834B)
--------derivebinaryfeat.m(12KB)
--------samplerandfeat.m(539B)
----README.md(3KB)