Комментарии 11
Портрет тайваньца расплывается меньше всех. Похоже, что все азиаты на одно лицо — не просто стереотип.
Вероятно выбор 68 ключевых точек ориентирован на распознавание лица европиоида?
предварительно обученная модель нейросети (здесь мы выступили в роли пользователей модели Davis King), например, shape_predictor_68_face_landmarks.dat
Поправьте меня, но вроде в dlib для поиска facial landmarks не нейросети, а деревья — One Millisecond Face Alignment with an Ensemble of Regression Trees (http://dlib.net/face_landmark_detection.py.html)
Ответ — да, абсолютно верно, использовалась модель на основе random forests для поиска ключевых точек лица. Неточность появилась из-за того, что за рамками статьи была попытка пропустить изображение полученных лиц через нейросеть — https://github.com/davisking/dlib-models/blob/master/dlib_face_recognition_resnet_model_v1.dat.bz2, чтобы в дальнейшем использовать этот вектор-дескриптор для кластеризации лиц (вместо вектора facial landmarks)/ Но в дальнейшем от такой кластеризации отказались — работает медленнее и интерпретировать полученный кластер сложнее — нет прямого соответствия ключевым точкам лица, кроме того результат визуально малоразличим.

Вот сравнение кластеризации на основе resnet и landmarks.

Вот сравнение кластеризации на основе resnet и landmarks.
Java Girl здесь самая лучшая!
Было бы забавно натравить алгоритм на условную базу каких-нибудь резюме с HeadHunter и получить усреднённые фотографии девушек на разных позициях. alextheraven, сделайте!
Было бы забавно натравить алгоритм на условную базу каких-нибудь резюме с HeadHunter и получить усреднённые фотографии девушек на разных позициях. alextheraven, сделайте!
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Знакомые лица: алгоритмы создания «типичного» портрета