问题标签 [face]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
ios - VNDetectFaceRectanglesRequest 不返回任何匹配项
我正在使用以下代码,几乎逐字逐句来自 WWDC 视频、Xcode 9、iPhone 8。CIDetector 正在返回面部图像,但这不是:
我只寻找一个方向的面孔,即.right。我尝试了其他一些方向只是为了看看,但没有运气。
有没有人在这方面取得任何成功?
algorithm - 我在哪里可以找到和了解 Kinect V2 基本面部跟踪算法?
我正在使用 Kinect Windows V2 完成我的论文,我对 Kinect 的基本面部跟踪 SDK 感到非常兴奋和惊讶。但是,我已经搜索了一段时间,但几乎没有找到讨论其算法的论文。因此,我想从这里的任何专家那里知道我在哪里可以有资源来理解算法以便充分利用它?
任何回复都非常感谢。谢谢你。
ios - 使用 Swift 访问 Microsoft Face API IOS
我正在尝试从 Microsoft FACE API 进入 API。我在 Azure 上创建了一个帐户并创建了他们为我提供密钥的服务。关键是我正在尝试访问 API 并且一直是 401 错误
所有时间都返回相同的错误:
IOS中几乎没有API的文档,然后它只是objective-c,没有swift。有人能弄清楚为什么这会一直返回 401 错误吗???
编辑:我也试过 let client =MPOFaceServiceClient(endPointAndSubscriptionKey: "MY_SERVER_AREA", key: "MY_API_KEY")
但这一次返回所有时间 404 错误,找不到资源。
export - 按编号删除自相交面
我有一个网格,我将其导入 Meshlab 并简化、清理和重建网格。我从 meshlab 导出最终网格并导入有限元软件 (COMSOL)。导入时收到“自相交面,Face:19303”的错误消息。
Meshlab 找不到任何自相交的面。如何选择面 19303 并修改/删除它以修复错误?
谢谢,哈米德
java - 如何在 android 上构建 facebook 开放图健身指标
这是我的代码,这个函数正在创建健身指标。
这是其余的内容。
我已经在 facebook 的官方开发者页面上两次问过这个问题,但是他们一次可以回答的问题太多了。如果有人能回答这个问题,我将不胜感激。
algorithm - 基于 3d 面部标志和 3d 模型的头部姿势估计
我有一个 3-d 面部模型和一个检测器,可以获取图像的 68 个 3-d 面部标志。Opencv 是否具有可以根据 3-d 面部标志估计头部姿势估计的 API?我阅读了它的教程并找到了一个名为 cv2.solvePnP() 的函数。然而,这个函数的输入是二维面部标志。
face - 使用 face API 获取嘴唇的颜色
Face API 给出了嘴唇的坐标,但我们能具体得到嘴唇的颜色吗?
opencv - AndroidStudio 中的 JavaCV 错误 java.lang.NoClassDefFoundError: java.lang.ClassNotFoundException: org.bytedeco.javacpp.opencv_core
我正在使用 JavaCV 开发人脸识别系统。我同时使用 OpenCV 和 JavaCV。我也在使用 AndroidStudio。但是,它向我显示了这个错误。
构建梯度
你能帮我解决这个问题吗?谢谢你。
tensorflow - 如何评估 FaceNet 嵌入以在 LFW 上进行人脸验证?
我正在尝试创建一个能够在 lfw 数据集上评估模型的脚本。作为一个过程,我正在读取一对图像(使用 LFW 注释列表),跟踪和裁剪人脸,对齐并通过预训练的 facenet 模型(.pb 使用 tensorflow)并提取特征。特征向量大小 = (1,128),输入图像为 (160,160)。
为了评估验证任务,我使用了连体架构。也就是说,我从两个相同的模型([2 x facenet] 传递一对图像(相同或不同的人),这相当于从单个网络传递一批大小为 2 的图像)并计算欧几里得距离嵌入。最后,我正在训练一个线性 SVM 分类器,以在嵌入距离较小时提取 0,否则使用对标签提取 1。通过这种方式,我试图学习测试时要使用的阈值。
使用这种架构,我的得分最高为 60%。另一方面,在其他模型(例如 vgg-face)上使用相同的架构,其中的特征是 4096 [fc7:0](不是嵌入),我得到了 90%。我绝对无法复制我在网上看到的分数(99.x%),但是使用嵌入的分数非常低。一般管道有问题吗?如何评估嵌入以进行验证?