眼周识别

最新推荐文章于 2025-06-06 14:02:16 发布
原创 最新推荐文章于 2025-06-06 14:02:16 发布 · 710 阅读 · 2 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
标签
#眼周识别
论文介绍了一种采用RGB和OCLBCP双流CNN的眼周区域识别方法,该方法通过融合两种不同类型的特征来提高识别精度。

论文：“Periocular Recognition in theWild: Implementation of RGB-OCLBCP Dual-Stream CNN”

采用 RGB/OCLBCP 双路 CNN 提取特征，再融合。

 

lesliematlab代码-DSCNN_OCLBCP:DSCNN_OCLBCP
05-27
莱斯利·matlab代码野生眼周：双流CNN和OC-LBCP 介绍 这项工作为野外眼周的新型描述符OC-LBCP和双流CNN做出了贡献。 我们还提供以下代码： OC-LBCP（请参阅） 野外眼周双流CNN的预训练模型（请参阅） 预训练模型 请从以下位置下载经过预先​​训练的模型，并确保您按照以下步骤设置我们的目录： DSCNN_OCLBCP ├── model_result │ ├── mat │ └── save └── test_data ├── descriptor └── rgb 兼容性 我们使用以下代码测试了代码： 神经网络 Ubuntu OS 18.04 LTS和Anaconda3（Python 3.7）下的Tensorflow-GPU 1.13.1 Windows 10和Anaconda3（Python 3.7）下的Tensorflow-GPU 1.13.1 / Tensorflow 1.13.1 OCLBCP MATLAB 2018b和MATLAB 2019b 要求 数据集 有关数据集信息，请参阅我们的论文[1]。 数据集在中提供。 引文 如果您在研究工作中使用我们的模
人脸识别和眼睛识别特征数据库cascades.zip
10-05
人脸识别和眼睛识别特征数据库，是已经训练好的特征数据库，格式为xml。
9、眼周区域识别与健康信息搜索：技术与应用洞察
最新发布
z4a5b6的博客
06-06 67
本文探讨了眼周区域识别技术在生物识别领域的应用及其优势与挑战，同时分析了健康信息搜索与情绪智力、自我管理之间的关系。眼周识别技术通过多种特征提取方法，在复杂场景下展现出良好的性能；而健康信息搜索则通过在线服务和智能平台，促进患者更积极地参与健康管理。未来，这些技术将在个性化医疗和智能健康管理领域发挥更大作用。
人脸识别衍生，眼周识别
m0_37192554的博客
10-31 712
ConvSRC: SmartPhone based Periocular Recognition using Deep Convolutional Neural Network and Sparsity Augmented Collaborative Representation https://arxiv.org/abs/1801.05449 模型（VGG Net），我们提出了一种简单、高效、紧...
眼睛定位
yueguanyun的专栏
02-18 2669
转自：http://www.cnblogs.com/ImageVision/archive/2012/03/14/2396534.html 根据眼睛定位的流程，一般分为以下几步：眼睛区域初定位，噪声去除，眼睛的精确定位。 1 眼睛区域初定位，对正面人脸还是比较好确定的，但是当人脸发生姿态变化时，如何较准确获取，是个难题。当然有人用二值化眼睛区域的方法，但是不同光照，不同人脸的阈值不太好定。而且
人眼定位识别
weixin_34056162的博客
06-10 1938
本系列历程启发于“禾路老师”的视频课程，学习到两个重要知识点：实战和自己的库！ 本系列历程多源于answer.opencv论坛的一些牛人的解答，作为小白只是代码的搬运工。 言归正传，请看项目要求： 求取找到人眼位置 根据人眼特征确定 简单的小例子，实用价值不大，但是对于其他项目有帮助！ 思路分析一： 利用黑色特征进行筛选 然后根据眼睛是成对出现，再进一步帅选 思路分析二： ...
8、白血病分类与眼周区域识别技术综述
z4a5b6的博客
06-05 58
本文综述了白血病分类和眼周区域识别技术的研究进展。在白血病分类方面，现代机器学习和深度学习方法被广泛应用；而眼周区域识别技术则因其在佩戴口罩等遮挡场景中的优势，逐渐成为生物识别领域的研究热点。文章详细介绍了眼周识别的基础、流程、特征描述符及其应用前景，并探讨了其面临的挑战与未来发展方向。
别躲在口罩后面不出声，AI知道你是谁
读芯术的博客
06-05 669
全文共895字，预计学习时长4分钟 图源：unsplash 面部识别技术，指的是能够识别整个面部的技术，不论用到什么样的识别方式，不论是红外或三维激光扫描技术，通常情况下，需要整张脸的几何特征才能生效。 但疫情改变大家的生活习惯，现如今出门不戴口罩就好像忘穿衣服了一样，人脸暴露在外的部分越来越少，这样还挺省化妆品的。但对于面部识别来说却是“惊雷”，无论是iPhone还是公共监控设备，所有的面部识别系统机制都被打破了。 不过技术发展的速度超出我们的想象。面部识别公司Ra...
2020-11-25
Barry__Zhao的博客
11-26 544
《Toward an Efficient Deep Pipelined Template-Based Architecture for Accelerating the Entire 2-D and 3-D CNNs on FPGA》 2020年IEEE Access的文章，标题很清晰的说明了这篇文章的工作的特点：1.同时在FPGA上实现了2D和3D卷积网络 2.模块化（Template-Based）设计模式 3.基于流水线（Pipelined）技术 这篇文章的内容是从FPGA2018的会议论文《Tow
计算机视觉处理算法基础及视觉特征提取
liangchenyu2010的博客
08-06 2496
1. 图中矩阵分别为二维原图像素矩阵，二维的图像滤波矩阵，以及最后滤波后的新像素图。对于原图像的每一个像素点，计算它的领域像素和滤波器矩阵的对应元素的乘积，然后加起来，作为当前中心像素位置的值，这样就完成了滤波的过程了。 平滑滤波包括平均滤波、高斯滤波、中值滤波等方法，其中高斯滤波最为常用。 平均滤波：输出像素值是核窗口内像素值的均值 高斯滤波：将输入数组的每一个像素点与高斯内核卷积，将卷积和当作输出像素值 中值滤波：将图像的每个像素用邻域 (以当前像素为中心的正方形区域)像素的中值代替 2
SVM 中查看支持向量的权重。
热门推荐
blueblood7的专栏
05-04 1万+
我想验证一下，在 SVM 中是不是支持向量离分类线越近，权重越大。 matlab代码如下： function [sv_num, err_rate] = play_svm(class_sample_num) %缺省类样本数是10。 if nargin == 0 class_sample_num = 10; end %生成满足二维高斯分布的
pth 转 onnx 时出现的 gather、unsqueeze 等算子
blueblood7的专栏
09-14 1万+
带动态输入的view或者reshape转成onnx会有shape/gather/unsqueeze/concat算子。 替换成 flatten 即可。 def forward(self, inputs): x1 = self.conv1(inputs) x2 = self.conv2(x1) # 带动态输入的 view 或者 reshape 转成 onnx 会有shape/gather/unsqueeze/concat算子。 ...
使用 trt 的int8 量化和推断 onnx 模型
blueblood7的专栏
03-27 8905
目录 生成 trt 模型 1、使用代码 2、onnx模型和图片 3、修改代码 4、结果 推断 trt 模型 生成 trt 模型 1、使用代码 https://github.com/rmccorm4/tensorrt-utils.git 2、onnx模型和图片 模型：动态batch输入（假设为mob_w160_h160.onnx，输入是 [batchsize, 3, 160, 160]）。 图片：一堆图片（假设有1024张），不需要其他描述文件。 在tensorrt-u...
已知曲线上三点，如何求中间一点的法向量。
blueblood7的专栏
09-26 8768
如下图，已知 A、B、C 三个点，求 B 点的 法向量，即(fCosSita, fSinSita)，Sita 为 法线按逆时针方向和水平方向的夹角。 先计算线段AB的单位垂线段2，再计算线段BC 的单位垂线段1，最后对 1 和 2 求和，得到3，即为 B 点的法线。 代码如下： void CalcNormVec(POINT& ptA, POINT& ptB, POINT& ptC, fl
unhandled system error, NCCL version 2.7.8
blueblood7的专栏
02-16 6482
在 宿主机上运行基于 DDP 的 pytorch 训练程序没问题， 进入 docker 后运行，出现 "unhandled system error, NCCL version 2.7.8" 的错误。 解决方法： 在 python -m torch.distributed.launch --nproc_per_node=4 ...前加上 NCCL_DEBUG=INFO 可以看到： s215:623:649 [3] include/shm.h:48 NCCL WARN Error while cr
被 onnx.checker.check_model 检查出的常见错误
blueblood7的专栏
11-10 6369
错误1：“Field 'name' of graph is required to be non-empty.” 解决：对 model.graph.name 赋值。 错误2：“Nodes in a graph must be topologically sorted, however input ...” 解决：调整节点顺序，保证每个节点的输入都先于它存在。 参考代码如下： def check_update_model(model): if (model.graph.name == ''
Caffe 训练出现 loss = 1.#QNAN 的解决方法。
blueblood7的专栏
02-22 5879
问题描述： 同样的prototxt文件，同样的数据，在不同的显卡上，一个训练正常，一个出现 loss = 1.#QNAN。 解决方法：         编译 caffe 程序的时候在 CommonSettings.props 的 CudaArchitecture 中加入 compute_61, sm_61。 由于能正常训练的显卡是 GTX TITAN X，出现 1.#QNAN 的是 GTX
KMeans++的初始化方法
blueblood7的专栏
11-04 5177
KMeans++ 的初始化方法： 1、随机选一个样本作为第一个簇中心。 2、计算每个样本到最近簇中心的距离。 3、以距离为概率随机选择下一个簇中心。 4、重复步骤2和3，直到找到K个簇中心。 vlfeat \ kmeans.c \ _vl_kmeans_init_centers_plus_plus_ 中的代码片段如下： x = vl_rand_uindex (rand,
swin transformer 转 onnx
blueblood7的专栏
10-29 4599
swin transformer 代码非官方实现，但是好理解。 转 onnx 代码： import torch from swin_transformer_pytorch import swin_t pth_filename = './demo.pth' # 训练好的权重 onnx_filename = './demo.onnx' net = swin_t() weights = torch.load(pth_filename) #net.load_state_dict(weights) n..
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值