Happytime Face Detection 2.0
คุณจะสามารถดาวน์โหลดได้ภายใน 5 วินาที
เกี่ยวกับ Happytime Face Detection
การตรวจจับใบหน้า Happytime สามารถตรวจจับใบหน้าของมนุษย์ได้อย่างถูกต้องด้วยการตรวจจับที่ผิดพลาดน้อยลงความแม่นยําสูง มันสามารถใช้สําหรับภาพนิ่งและวิดีโอเพื่อตรวจจับใบหน้า มันสามารถตรวจจับใบหน้าหลายหน้าพร้อมกันสามารถตรวจจับใบหน้าสีที่แตกต่างกันสามารถตรวจจับใบหน้าในพื้นหลังที่ซับซ้อน รหัสอัลกอริทึมไม่พึ่งพาไลบรารี oepncv (แอปพลิเคชันใช้ไฟล์ภาพอ่าน opencv เท่านั้น) ที่เขียนใน C สามารถพอร์ตได้อย่างง่ายดาย คุณสมบัติที่สําคัญ: การตรวจจับเท็จต่ําความแม่นยําสูง สามารถตรวจจับใบหน้าหลายหน้าพร้อมกันได้ สามารถตรวจจับสีที่แตกต่างกันใบหน้า สามารถตรวจจับใบหน้าในพื้นหลังที่ซับซ้อน เขียนในค, ได้อย่างง่ายดายสามารถพอร์ต หลักการอัลกอริทึม: ตาม MB-LBP (รูปแบบไบนารีท้องถิ่นหลายบล็อก) มีประเภทตารางการค้นหาประเภทคลาสที่อ่อนแออัลกอริทึมการตรวจจับใบหน้า AdaBoost จริง คุณลักษณะ LBP (รูปแบบไบนารีภายในเครื่อง) ที่เสนอโดย Ojala ในปี 1994 และนําไปใช้กับปัญหาการจัดหมวดหมู่พื้นผิว คุณลักษณะ MB-LBP เป็นส่วนขยายของ LBP ใช้บล็อกภาพแทนคุณสมบัติ LBP ดั้งเดิมซึ่งพิกเซลเดียวเป็นหน่วยพื้นฐาน MB-LBP สามารถลดจุดรบกวนของภาพเมื่อคํานวณคุณสมบัติ LBP หากใช้เทคนิคภาพที่สําคัญก็เป็นไปได้ที่จะได้รับคุณสมบัติ MBLBP ในเวลาคํานวณคงที่ AdaBoost เป็นวิธีการเรียนรู้ที่ส่งเสริมกระบวนการฝึกอบรม AdaBoost โดยใช้เกณฑ์เป็นคุณลักษณะของเอาต์พุตการจําแนกประเภทที่อ่อนแอนี้มีความสามารถ จํากัด ในการแบ่งพื้นที่ตัวอย่าง จากอัลกอริทึม AdaBoost จริง Wu เสนอประเภทตารางการค้นหาประเภทคลาสที่อ่อนแออัลกอริทึมการตรวจจับใบหน้า AdaBoost อย่างต่อเนื่องเพื่อให้ได้ผลลัพธ์การตรวจจับใบหน้าที่ดี การประเมินอัลกอริทึม: ตารางการค้นหา MB-LBP ประเภท typeifiers อ่อนแออัลกอริทึมการตรวจจับใบหน้า AdaBoost จริงและวิธีการเผยแพร่อื่น ๆ ถูกเปรียบเทียบผลลัพธ์ที่แสดงในรูปมันสามารถมองเห็นได้จากรูปประเภทตารางการค้นหา MB-LBP ประเภท typeifiers อ่อนแออัลกอริทึมการตรวจจับใบหน้า AdaBoost จริงเกินวิธีการอื่น ๆ