امروز برای رویداد محلی TensorFlow خود در همه جا پاسخ دهید!
این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.
Switch to English

aflw2k3d

  • توضیحات :

AFLW2000-3D مجموعه داده ای از 2000 تصویر است که با نشانه های چهره ای سه بعدی 68 نقطه ای حاشیه نویسی شده است. این مجموعه داده به طور معمول برای ارزیابی مدل های تشخیص چهره سه بعدی صورت استفاده می شود. ژست های سر بسیار متنوع است و تشخیص آنها توسط دستگاه تشخیص چهره مبتنی بر cnn اغلب دشوار است. از نشانه های 2 بعدی در این مجموعه داده صرف نظر شده است ، زیرا برخی از داده ها با 21 امتیاز مطابقت ندارند ، همانطور که در مقاله اصلی ذکر شده است.

شکاف مثال ها
'train' 2000
  • ویژگی ها :
FeaturesDict({
    'image': Image(shape=(450, 450, 3), dtype=tf.uint8),
    'landmarks_68_3d_xy_normalized': Tensor(shape=(68, 2), dtype=tf.float32),
    'landmarks_68_3d_z': Tensor(shape=(68, 1), dtype=tf.float32),
})
  • کلیدهای تحت نظارت (به as_supervised سند نظارت شده مراجعه کنید): None

  • نقل قول :

@article{DBLP:journals/corr/ZhuLLSL15,
  author    = {Xiangyu Zhu and
               Zhen Lei and
               Xiaoming Liu and
               Hailin Shi and
               Stan Z. Li},
  title     = {Face Alignment Across Large Poses: {A} 3D Solution},
  journal   = {CoRR},
  volume    = {abs/1511.07212},
  year      = {2015},
  url       = {http://arxiv.org/abs/1511.07212},
  archivePrefix = {arXiv},
  eprint    = {1511.07212},
  timestamp = {Mon, 13 Aug 2018 16:48:23 +0200},
  biburl    = {https://dblp.org/rec/bib/journals/corr/ZhuLLSL15},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

تجسم