文件名称：test_facial_landmarks:esr算法，用于测试人脸对齐
文件大小：66.02MB
文件格式：ZIP
更新时间：2024-06-12 15:32:39
Python
test_facial_landmarks 参考：曹X. 通过显式形状回归进行面部对齐。 在过程中。 CVPR，2012年。 模型已经过训练，请使用python定位面部标志。（需要numpy和opencv2）。 请在initializa_face.py中指定haar功能的opencv路径。 使用时：python test_face_alignments.py 该代码将从test_image / 1.jpg中读取图像，并根据需要修改代码
【文件预览】：
test_facial_landmarks-master
----apply_regression.py(17KB)
----initialize_face.py(5KB)
----params()
--------coor_feature(Tr,1520,3,P).npy(70KB)
--------shape(1520,40).npy(128KB)
--------bound_box(1520,8).npy(9KB)
--------F_feature_for_regression2(K,F,2).npy(39KB)
--------F_feature_for_regression5(K,F,2).npy(39KB)
--------thresholds(Tr,K,F).npy(195KB)
--------F_feature_for_regression1(K,F,2).npy(39KB)
--------pupil_by_shape6.txt(27KB)
--------coor_feature_initial(Tr,3,P).npy(70KB)
--------F_feature_for_regression0(K,F,2).npy(39KB)
--------initialize_face.py(5KB)
--------face_point.npy(119KB)
--------F_feature_for_regression8(K,F,2).npy(39KB)
--------F_feature_for_regression7(K,F,2).npy(39KB)
--------align_shape.py(10KB)
--------align_shape(1520,40).npy(128KB)
--------F_feature_for_regression4(K,F,2).npy(39KB)
--------F_feature_for_regression6(K,F,2).npy(39KB)
--------fit_shape(Tr,K,2_F,40).npy(68.36MB)
--------F_feature_for_regression9(K,F,2).npy(39KB)
--------F_feature_for_regression3(K,F,2).npy(39KB)
----align_shape.py(10KB)
----README.md(438B)
----test_face_alignments.py(141B)
----说明(1KB)
----test_image()
--------1.jpg(47KB)