Téléchargement landmark detection - Téléchargement du code source landmark detection

landmark detection

Python

1.0.0

Télécharger

Détection historique

Ce projet contient trois algorithmes de détection historiques, implémentés dans Pytorch.

Style Network Aggrété pour la détection monument du visage, CVPR 2018
Supervision par inscription: une approche non supervisée pour améliorer la précision des détecteurs historiques faciaux, CVPR 2018
L'enseignant supervise les élèves comment apprendre des images partiellement étiquetées pour la détection de monuments faciaux, ICCV 2019
Supervision par enregistrement et triangulation pour la détection historique, TPAMI 2020

Style Réseau agrégé pour la détection monument du visage

Les codes de formation et de test pour SAN (CVPR 2018) sont situés dans le répertoire SAN.

Supervision par inscription: une approche non supervisée pour améliorer la précision des détecteurs historiques faciaux

Les codes de formation et de test pour la supervision par inscription (CVPR 2018) sont situés dans le répertoire SBR.

L'enseignant supervise les élèves comment apprendre des images partiellement étiquetées pour la détection de monument du visage

Les codes du modèle pour les supervises des enseignants (TS3) (ICCV 2019) sont situés dans le répertoire TS3.

Supervision par enregistrement et triangulation pour la détection historique

Les codes de formation et de test pour SRT (TPAMI) 2020 sont situés dans le répertoire SRT.

Citation

Si ce projet aide vos recherches, veuillez citer les articles suivants:

 @inproceedings{dong2018san,
   title={Style Aggregated Network for Facial Landmark Detection},
   author={Dong, Xuanyi and Yan, Yan and Ouyang, Wanli and Yang, Yi},
   booktitle={Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR)},
   pages={379--388},
   doi={10.1109/CVPR.2018.00047},
   year={2018}
}
@inproceedings{dong2018sbr,
  title={{Supervision-by-Registration}: An Unsupervised Approach to Improve the Precision of Facial Landmark Detectors},
  author={Dong, Xuanyi and Yu, Shoou-I and Weng, Xinshuo and Wei, Shih-En and Yang, Yi and Sheikh, Yaser},
  booktitle={Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR)},
  pages={360--368},
  doi={10.1109/CVPR.2018.00045},
  year={2018}
}
@inproceedings{dong2019teacher,
  title={Teacher Supervises Students How to Learn from Partially Labeled Images for Facial Landmark Detection},
  author={Dong, Xuanyi and Yang, Yi},
  booktitle={Proceedings of the IEEE International Conference on Computer Vision (ICCV)},
  pages={783--792},
  doi={10.1109/ICCV.2019.00087},
  year={2019}
}
@inproceedings{dong2020srt,
  title     = {Supervision by Registration and Triangulation for Landmark Detection},
  author    = {Dong, Xuanyi and Yang, Yi and Wei, Shih-En and Weng, Xinshuo and Sheikh, Yaser and Yu, Shoou-I},
  journal   = {IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)},
  volume    = {},
  number    = {},
  keywords  = {Landmark Detection;Optical Flow;Triangulation;Deep Learning},
  doi       = {10.1109/TPAMI.2020.2983935},
  ISSN      = {1939-3539},
  year      = {2020},
  month     = {},
  note      = {mbox{doi}:url{10.1109/TPAMI.2020.2983935}}
}