环境 操作系统：Linux（Ubuntu 16.0.4） Docker安装 对于Mac用户，参考Get started with Docker Desktop for Mac; 对于Win用户,参考Get started with Docker for Windows，对于Linux用户,参考Get Docker CE for Ubuntu。 以Ubuntu为例 12345678# 在Ubuntu系统中安装较为简单，官方提供了脚本供我们进行安装。sudo apt install cur...
FaceAntiSpoofing
1 综述Face anti-spoofing detection 就是人脸的攻击检测。 1.0 时代：早期利用传统的handcrafted特征进行检测，目标很明确，就是找到活体和非活体之间的差异，其中包括颜色纹理，非刚性运动变形，材料（皮肤，纸质，镜面），图像或者视频质量。因为这种方法不是本文重点，所以就不列举相关论文了。 1.0 时代：继CNN兴起以来，就有人开始在人脸的活体检测尝试，并取得了越来越突出的成绩，但是笔者认为最大的瓶颈在于公开大型数据集的缺失，使得这一领域进展速度有限，也...
CNN-FaceDetection
1.0 综述人脸检测任务是目前为止落地最好的AI技术之一。人脸检测任务是通用目标检测的运用之一，所以像主流的faster-rcnn系列模型，YOLO模型等用到人脸检测，没有太大问题。但是人脸任务有很多其不一样的情况，例如人脸的bbox一般为正方形，人脸有很多侧脸、遮挡等问题，基于种种涌现出了一大批解决这些问题的特殊模型，这些模型大多是DL模型。本文也是将对这些SOTA模型进行一个综述。 人脸检测相关的工作每年都有很多，不可能每一个工作都介绍，所以这里讲到的工作基于WIDERFACE数据集的...
FaceLandmarks
1.0 综述Face Landmarks 也称为 Face Alignment，人脸关键点检测。是人脸相关技术的基础工作之一，很多实际的项目中不可缺少的一部分。因此它的重要性不言而喻。因此对于它的研究也一直没有停过，从最开始的传统方法，到现在的深度学习方法，无论从精确度还是关键点数量都有了巨大的发展。 本篇文章旨在介绍一些基于深度学习的相关方法，并将不定时更新最新的相关工作。 技术路线：分为2D关键点检测和3D关键点检测。 数据集：由于人脸关键点数目不同，因此数据集也比较杂乱，目前用的...
CNN-Architecture
1.0 Base KnowledgeCNN（Convolution Neural Network，卷积神经网络）作为一种经典的 DNN 结构，上世纪90年代就已经被提出了，却沉寂近20年。有趣的是，在2012年 AlexNet 大放异彩后，CNN 在随后几年近乎卷席了整个图像处理领域，很有点戏剧性。近些年，CNN 在语音处理、NLP 领域也发展迅速。随着时间的推移，CNN的架构不断更新迭代，本文将详细介绍CNN相关发展历程。 CNN其实可以看作DNN的一种特殊形式。它跟传统DNN标志性的区...