the300w_lp

با مجموعه‌ها، منظم بمانید ذخیره و دسته‌بندی محتوا براساس اولویت‌های شما.

  • توضیحات :

مجموعه داده 300W-LP از 300W گسترش یافته است، که پایگاه داده های چندگانه تراز را با 68 نشانه، از جمله AFW، LFPW، HELEN، IBUG و XM2VTS استاندارد می کند. با 300 وات، 300 وات-LP پروفایل صورت پیشنهادی را برای تولید 61225 نمونه در حالت های بزرگ اتخاذ می کند (1786 نمونه از IBUG، 5207 از AFW، 16556 از LFPW و 37676 از HELEN، XM2VTS استفاده نمی شود).

مجموعه داده را می توان به عنوان مجموعه آموزشی برای وظایف بینایی رایانه زیر به کار برد: تشخیص ویژگی چهره و محلی سازی نقطه عطف (یا قسمت صورت).

شکاف مثال ها
'train' 61,225
  • ساختار ویژگی :
FeaturesDict({
    'color_params': Tensor(shape=(7,), dtype=float32),
    'exp_params': Tensor(shape=(29,), dtype=float32),
    'illum_params': Tensor(shape=(10,), dtype=float32),
    'image': Image(shape=(450, 450, 3), dtype=uint8),
    'landmarks_2d': Tensor(shape=(68, 2), dtype=float32),
    'landmarks_3d': Tensor(shape=(68, 2), dtype=float32),
    'landmarks_origin': Tensor(shape=(68, 2), dtype=float32),
    'pose_params': Tensor(shape=(7,), dtype=float32),
    'roi': Tensor(shape=(4,), dtype=float32),
    'shape_params': Tensor(shape=(199,), dtype=float32),
    'tex_params': Tensor(shape=(199,), dtype=float32),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
color_params تانسور (7،) float32
exp_params تانسور (29،) float32
illum_params تانسور (10،) float32
تصویر تصویر (450، 450، 3) uint8
نشانه‌ها_2d تانسور (68، 2) float32
نشانه‌ها_3d تانسور (68، 2) float32
نشانه‌های_منبع تانسور (68، 2) float32
pose_params تانسور (7،) float32
roi تانسور (4،) float32
shape_params تانسور (199،) float32
tex_params تانسور (199،) float32

تجسم

  • 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}
}