dlib物体检测开源项目

转自:https://mp.weixin.qq.com/s/QkjMY-qEqn2cGfYbFEmv5w

在刚刚结束的PyImageConf2018会议上,大名鼎鼎的Dlib库的创建者Davis King做了一个关于目标检测的报告,并举办了关于Dlib的含有40个新的开源Demo的各种计算机视觉与机器学习技术演示的WorkShop。展示了Dlib的强大锐利,是学习Dlib使用的绝佳资料,作者已将相关PPT、代码、数据开源,非常值得推荐!

Davis King本尊一直供职于工业界,热衷开源技术分享,最近今年尤其关注于计算机视觉与深度学习工具的构建,Dlib库中无论是其传统的HOG+SVM目标检测、高精度超快速广泛使用的人脸对齐,还是基于CNN的目标检测与人脸验证,Dlib每一次新特性和Demo的添加,几乎都是将学术界state-of-the-art技术实用化,令人印象深刻!

Github地址:

https://github.com/davisking/pyimageconf2018

项目演示了dlib训练、运行物体检测的示例python程序。
001——训练HOG检测器;

002——运行HOG检测器;

003——为人脸特征点检测制作人脸图像数据和XML文件;

004——训练人脸特征点检测模型;

005——运行人脸特征点检测模型;

006——匈牙利算法;

007——8像素步长的HOG检测;

008——制作包围盒回归训练数据集;

009——训练目标检测中包围盒回归模型;

010——检测人脸并进行精确的包围盒回归定位;

011——全局最优化方法(这是Davis King强烈安利的新特性!);

012——训练包围盒回归模型并进行超参数搜索;

013——在视频中检测人脸并进行包围盒回归位置提精和卡尔曼滤波;

014——可分离滤波器;

015——训练nuclear norm的HOG检测器;

016——运行nuclear norm的HOG检测器;

017——训练多个HOG检测器;

018——运行多个HOG检测器;

019——训练多个HOG检测器并进行超参数优化;

020——图像哈希;

021-023——使用联通域分析进行斑点检测,并进行速度优化;

024——边缘检测并找直线;

025-026——通过梯度计算亮斑;

027——霍夫变换;

028-034——通过霍夫变换定位图像中的纸张;

035——通过mbd方法定位视频中旋转的指尖陀螺;

036——通过MSER进行文本检测;

037——训练RBF核的SVM的二类问题,自动优化最优参数(Dlib中的AutoML);

038——求和运算的缓存SIMD优化;

039——多线程数据加载;

040——使用CUDA进行矩阵运算加速。

你可能感兴趣的:(dlib,python,目标检测,机器视觉,DL/ML/AI,机器学习和机器视觉)