carfei
carfei
- Is it possible to generate multiple face 3D information maps on a single picture containing multiple faces at the same time?
如何测试单张图片
网络的输入大小为112x112，如何测试长宽比不同大小的图片呢？
您好，根据您提供的源码，本人已经全部调试完成，可以进行训练。但是为什么EG1800数据集的labels是全黑，而不是人像的掩膜呢？所以在测试时也只是显示背景，而没有人像显示？
感谢作者！本人利用您训练的模型pretrained_mobilenetv2_base.pth，进行图片和视频测试时，都无法成功测试，只显示了黑色背景，并没有将人像抠出来的实际效果图，然后我又看了您的EG1800数据集，labels标签都是黑色背景，并不是人像掩膜。希望作者看到后提供我一个合理的解释。谢谢！
I also encountered the same problem when executing the program. I wonder if the author who had the same problem before has solved it? How to solve it? I really...
Dataset
I am a graduate student of Beijing University of Chemical Technology. My current research direction is natural image matting. Thank you very much for your excellent work and efforts to...
### Ｗeekly-Review - 人脸检测方法对比及结论 
### Weekly-Review - 继续对比人脸检测方法Retinaface 1. Retinaface核心思想：利用４多任务学习策略分别预测人脸分数、人脸框、五点关键点以及self-supervised解码分支预测人脸三维位置 1. retinaface作者提供的mxnet版本与第三方pytorch实现的版本在检测精度上几乎无差别，而且检测率也非常高，与真值人脸数量等同，对侧脸半脸也都可以检测出来，检测精度明显强于libfacedetection和seetaface2 1. retinaface源码mxnet-resnet50模型加载时间为：cpu1.90s/gpu0.15s，图片检测平均时间：cpu38.86s/gpu3.71s；pytorch-resnet50模型加载时间为：cpu3s/gpu0.70s，图片检测平均时间：cpu8.25s/gpu0.57s；pytorch-mobilenet模型加载时间为：cpu2.4s/gpu0.03s，图片检测平均时间：cpu2.17s/gpu0.18s，对比得pytorch-mobilenet检测精度和检测时间具有明显优势，在有gpu支持时可以媲美libfacedetection和seetaface2
### Weekly-Review - 对两个c++开源库libfacedetection和seetaface2进行对比，得出如下结论： 1. seetaface2检测速度快于libfacedetection,在同样的运行条件下seetaface2检测时间为十位数毫秒，libfacedetection检测时间为百位数毫秒； 1. libfacedetection能够检测极小人脸，但存在误检情况，而且对遮挡情况检出率也优于seetaface2 1. 对于侧脸，seetaface2检测出的区域更加合理，因为有了关键点标注 ### Nextly - 继续比较目前就流行的人脸检测方法
### Weekly-Review - 看Retinaface的源码，写了一个测试脚本 - 按照胡老师的吩咐，学习了两个C++的人脸检测库：libfacedetection和seetaface2,这两个开源库都是基于C++实现的，不依赖GPU，纯C++实现，在cpu上也有很快的检测速度，但是作者并没有提供训练过程，只是给出了caffe模型的二进制文件以及测试的example，我在win和ubantu系统上分别配置跑通了结果，但在Ubantu上测试时，能显示结果，但是不能imshow，该问题目前还没解决。 ### Next - 构建自己的测试数据集，对这两个方法进行全面的比较，包括速度，检测率，误检率等等，最好可以在同一硬件条件下在FDDB数据集上比较，按照胡老师的意思，现在我需要做的是了解目前这些最先进的方法，比较他们，做个详细的比较报告，先别在意实现细节和代码