ช่วยปกป้อง Great Barrier Reef กับ TensorFlow บน Kaggle เข้าร่วมท้าทาย

aflw2k3d

  • รายละเอียด:

AFLW2000-3D เป็นชุดข้อมูลของรูปภาพ 2,000 ภาพที่ใส่คำอธิบายประกอบด้วยจุดสังเกตบนใบหน้า 3 มิติ 68 จุดระดับภาพ โดยทั่วไปแล้ว ชุดข้อมูลนี้ใช้สำหรับประเมินโมเดลการตรวจจับจุดสังเกตบนใบหน้า 3 มิติ ท่าศีรษะมีความหลากหลายมากและมักจะตรวจจับได้ยากด้วยเครื่องตรวจจับใบหน้าแบบซีเอ็นเอ็น จุดสังเกต 2 มิติจะถูกข้ามในชุดข้อมูลนี้ เนื่องจากข้อมูลบางส่วนไม่สอดคล้องกับ 21 จุด ตามที่เอกสารต้นฉบับกล่าวถึง

แยก ตัวอย่าง
'train' 2,000
  • คุณสมบัติ:
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),
})

การสร้างภาพ

  • อ้างอิง:
@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}
}