前言基于深度学习的人脸识别系统，一共用到了5个开源库：OpenCV（计算机视觉库）、Caffe（深度学习库）、Dlib（机器学习库）、libfacedetection（人脸检测库）、cudnn（gpu加速库）。 用到了一个开源的深度学习模型：VGG model。 最终的效果是很赞的，识别一张人脸的速度是0.039秒，而且最重要的是：精度高啊！！！ CPU：intel i5-4590 GPU
转载
2024-08-08 15:42:07
1043阅读
2014 CVPRFacebook AI研究院简单介绍人脸识别中，通常经过四个步骤，检测，对齐（校正），表示，分类论文主要阐述了在对齐和表示这两个步骤上提出了新的方法，模型的表现超越了前人的工作对齐方面主要使用了3D人脸模型来对齐人脸，表示方面使用了9层的一个CNN，其中使用了局部卷积人脸对齐 已经存在一些人脸数据库的对齐版本（比如LFW-a），但是对齐人脸仍然是一件很困难的事，由于受到姿态（人脸
转载
2024-10-17 20:58:47
110阅读
注：本文基于Windows系统，PyTorch运行平台为cpu。一、准备工作1.1 下载代码地址：https://github.com/YadiraF/DECA 可以直接下载代码压缩包(DECA-master.zip)，并解压文件，为了方便说明，本文把根目录记为DECA。1.2 下载FLAME2020FLAME2020是德国马普研究所(马克斯·普朗克学会)做的FLAME model (Faces
教程是MXnet版本的训练方式在Linux环境下一 、官方数据训练1.clone 源代码2. 配置相关环境3. 下载作者提供的数据集4. 开始训练5. 开始训练二、个人数据训练1. 数据制作2. 训练依旧 一 、官方数据训练1.clone 源代码项目来自官网的源代码。git clone --recursive https://github.com/deepinsight/insightface.g
Paper Reading NoteURL: http://mmlab.ie.cuhk.edu.hk/pdf/YiSun_CVPR14.pdfTL;DR这篇文章介绍了一种预测多类别人脸类别来提取高层人脸特征表达（DeepID）的方法，这些特征是在人脸的不同区域（patch）中同时提取得到，同时使用了联合贝叶斯和神经网络在DeepID的基础上实现了人脸验证。Dataset/Algorithm/Mod
1. 四款换脸软件介绍FakeAPP Faceswap Openfaceswap Deepfacelab1.1 四款软件的简介名称FakeAPPFaceswapOpenfaceswapDeepfacelab （集成环境版）简介可能是国内网络传播最广的换脸软件 GUI最为亲切但是2.2版本很差开源软件 后期版本有GUI 源码玩家可以修改测试Faceswap的GUI套壳版 目前停更且作者网站跳转到De
转载
2024-04-20 20:13:20
1144阅读
DeepFaceLab相关文章一：《简单介绍DeepFaceLab（DeepFake）的使用以及容易被忽略的事项》 二：《继续聊聊DeepFaceLab（DeepFake）不断演进的2.0版本》 三：《如何翻译DeepFaceLab（DeepFake）的交互式合成器》 四：《想要提高DeepFaceLab（DeepFake）质量的注意事项和技巧（一）》 五：《想要提高DeepFaceLab（Dee
转载
2024-09-02 19:45:21
241阅读
文章目录（零）前言（一）模型(LoRA)训练（1.1）数据准备（1.1.1）筛选照片（1.1.2）预处理照片（1.1.3）提示词(tags)处理（1.1.4）目录命名（1.2）训练工具（1.2.1）脚本训练（1.2.1.1）训练参数（1.2.1.2）训练过程（例）（1.2.2）图形化配置训练（1.2.2.1）启动图形界面（1.2.2.2）训练日志查看（1.2.3）训练结果（二）各epoch模型对
一、背景胡扯人脸相关的篡改并不是一个新的话题，但是结合深度学习篡改人脸的操作是最近兴起的。 人脸操作主要分为四种： 1. 合成整张虚假人脸图像， 2. 换脸操作，即在保留目标人脸背景的基础上使用源人脸A替换目标人脸， 3. 人脸属性修
转载
2024-09-03 12:05:17
70阅读
2.0出来后不少人催更Colab脚本，其实前几天我已经开始着手更新了，为了写上一篇文章消耗了几天时间。现在我就来通知下，脚本已经更新了，名叫v4。简单说下Colab有啥用，这个主要是针对没有显卡，没有N卡，设备不好的朋友，或者不想本地烧机的朋友，Colab有免费版也有Pro版，免费版最长使用时间12小时，12小时后必然断开，需要重新连接。Pro使用时长相对比较长，稳定性会有所提高。如果自己真的想玩
DeepFace是Facebook在2014年的CVPR上提出来的，后续出现的DeepID和FaceNet也都体现DeepFace的身影，可以说DeepFace是CNN在人脸识别的奠基之作，目前深度学习在人脸识别中也取得了非常好的效果。下边介绍DeepFace的基本框架。一、网络架构DeepFace的架构并不复杂，层数也不深。网络架构由6个卷积层 + 2个全连接层构成。 二、
DeepFace主要思想人脸识别，检测-对齐-提取-分类假设一旦人脸完成对齐，每个面部区域位置在像素级时固定的，因此可以直接从原始像素RGB中学习；主要贡献：人脸识别网络DNN，便于推广；3D人脸对齐系统；人脸对齐基于基准点的人脸解析三维建模，利用翘曲面部裁剪得到3D正面面部；3D对齐，使用传统的LBP直方图，设置阈值并以某一像素点为中心领域内像素点一起和阈值比较，大于阈值时就将其变为1小于阈值变
前言 用到了一个开源的深度学习模型：VGG model。 最终的效果是很赞的，识别一张人脸的速度是0.039秒，而且最重要的是：精度高啊！！！ CPU：intel i5-4590 GPU：GTX 980 系统：Win 10 OpenCV版本：3.1（这个无所谓） Caffe版本：Microsoft caffe （微软编译的Caffe，安装方便，在这里安利一波） Dlib版本：19.
论文名称 DeepFace: Closing the Gap to Human-Level Performance in Face Verification 作者 参考 书摘 [1]第一篇深度学习应用于人脸识别的 [2]传统的人脸识别流程是：检
转载
2023-12-18 22:10:29
157阅读
DeepFace基本框架人脸识别的基本流程是：detect -> aligh -> represent -> classify人脸对齐流程分为如下几步：a. 人脸检测，使用6个基点 b. 二维剪切，将人脸部分裁剪出来 c. 67个基点，然后Delaunay三角化，在轮廓处添加三角形来避免不连续 d. 将三角化后的人脸转换成3D形状 e. 三
转载
2023-09-08 14:18:18
129阅读
DeepFace基本框架人脸识别的基本流程是：detect -> aligh -> represent -> classify人脸对齐流程分为如下几步：a. 人脸检测，使用6个基点 b. 二维剪切，将人脸部分裁剪出来 c. 67个基点，然后Delaunay三角化，在轮廓处添加三角形来避免不连续 d. 将三角化后的人脸转换成3D形状 e. 三角化后的人脸变为有深度的3D三角网 f.
转载
2023-11-07 11:27:07
49阅读
DeepFace是FaceBook提出来的，后续有DeepID和FaceNet出现。而且在DeepID和FaceNet中都能体现DeepFace的身影，所以DeepFace可以谓之CNN在人脸识别的奠基之作，目前深度学习在人脸识别中也取得了非常好的效果。下边介绍DeepFace的基本框架：一、人脸检测（face detection）DeepFace采用了基于检测点的人脸检测方法（fidu
转载
2024-03-15 07:55:13
157阅读
阅读论文《DeepFace: Closing the Gap to Human-Level Performance in Face Verification》 传统的人脸识别过程分四个阶段：detect->align->represent->classify 本论文采用显式三维人脸建模的方法，重新讨论了对齐和表示两步算法，应用分段仿射变换，从九层深
转载
2024-08-19 10:52:53
87阅读
当学会了换脸软件DeepFaceLab基本使用，各种参数配置，各有优化技能之后。唯一约束你的可能是电脑配置。CPU能跑，但是慢到怀疑人生，低配模型都得跑一周低配显卡，显存不够，H128 根本就跑不起来，BS稍微大点就蹦了本地不行，其实可以用GPU服务器，但是价格不比买个高配显卡便宜。深度学习玩的就是配置，配置太差怎么办？ 花钱升级咯。没钱怎么办？ 本来想说“凉拌”，但是经过多日研究，还是找出了一条
LLMs：《如何使用Ray + DeepSpeed + HuggingFace简单、快速、经济有效地微调和服务LLM》解读导读：这是我们有关生成式人工智能的博客系列的第4部分。在之前的博客文章中，我们解释了以下内容：>> 为什么Ray是生成式人工智能的可靠平台；>> 我们展示了如何推动性能极限；>> 如何使用Ray进行稳定扩散；在这篇博客中，我们将分享一种实用的
转载
2024-09-28 23:19:46
90阅读
