【C++版】Face Alignment at 3000 FPS by Regressing Local Binary Features源...
2016-03-292.1万
AI 快速预览详细
该源码使用C++实现CVPR 2014文章中的人脸对齐算法，通过本地二值特征回归实现3000 FPS的高效对齐。用户需要下载AFW、LFPW、Helen和IBUG等人脸数据库，并编译liblinear库。通过设置全局参数和数据库，用户可以训练和测试模型，实现高效的人脸对齐。
|
该源码采用c++编写，重现了 “Face Alignment at 3000 FPS via Regressing Local Binary Features ”cvpr2014文章中的人脸对齐算法，文章下载地址见：http://www.thinkface.cn/thread-3137-1-1.html 使用说明： 1.下载人脸数据库，获取Path_Images.txt。 AFW人脸数据库：http://www.thinkface.cn/thread-1029-1-1.html LFPW人脸数据库：http://www.thinkface.cn/thread-1032-1-1.html Helen人脸数据库：http://www.thinkface.cn/thread-1030-1-1.html IBUG人脸数据库：http://www.thinkface.cn/thread-1031-1-1.html 2.下载liblinear库，编译获取blas库（liblinear/blas/blas.a）。你需要将你的blas.a替代build目录下的blas.a。 3.进入build文件夹，编译该程序。 cmake make 4.模型的训练：在LBF.cpp文件中设置全局参数，在TrainDemo.cpp中设置数据库。采用“LBF.out TrainModel”进行编译。 5.在数据库上进行测试：在TestDemo.cpp文件中设置测试数据库，使用“LBF.out TestModel”进行编译。 |
