整理一下看过的图像识别的文章(人脸、车牌、验证码)

微笑、不失礼 提交于 2019-12-04 11:11:57

整理一下看过的图像识别的文章(人脸、车牌、验证码)

 

 

整理一下看过的图像识别的文章(人脸、车牌、验证码)

图像识别最近大热,尤其是人脸识别,BAT先后发力,这方面的研究论文真可谓是层出不穷,这里整理下本人最近看到的一些不错的,与大家一起学习~

科普入门:

先上两篇科普性的文章,介绍图像识别、人脸识别技术和应用前景。

「人脸识别」很火,但你不知道的还有很多
本文从Facebook、Google、BAT等各大互联网巨头的人脸识别应用领域的角度,介绍了人脸识别的应用现状。

从How-Old.net到TwinsOrNot.net,看人脸识别技术是怎么 high 起来的
以前一阵玩疯了的How-Old.net为例简单介绍了人脸识别的过程、技术要点,一篇不错的技术科普文。

算法框架:

深度卷积神经网络CNNs的多GPU并行框架 及其在图像识别的应用
这篇文章来自于腾讯深度学习平台,分享了他们Deep CNNs的单机多GPU模型应用在图像识别上的经验教训,有深度。

CNN卷积神经网络应用于人脸识别(详细流程+代码实现)
本文偏向于实战,对到上手操作阶段的同学来说很有借鉴意义。优势就是代码!代码!代码!

人脸识别技术——Face Detection & Alignment
这里介绍一种MSRA在14年的最新技术:Joint Cascade Face Detection and Alignment(ECCV14)。可直接在30ms的时间里把detection和alignment都给做了,PR曲线彪到很高,时效性高,内存占用却非常低,在一些库上虐了Face++和Google Picasa。

怎样使用OpenCV进行人脸识别
如题OpenCV进行人脸识别的使用教程!

图像处理和图像识别中常用的OpenCV函数
329个函数大汇总!

图像识别四大图像库
OpenCV/FreeImage/CImg/CxImage

特别推荐张雨石的博客,他是关注人脸识别这一领域的大牛,最近的博文都跟这块相关。以下是出自其博客的文章。

DeepFace——Facebook的人脸识别
FB的DeepFace早于DeepID和FaceNet,但是在DeepID和FaceNet都有体现,还是很有研究一下的必要的。

FaceNet--Google的人脸识别
FaceNet是谷歌贡献的人脸识别算法,与其他的深度学习方法在人脸上的应用不同,FaceNet并没有用传统的softmax的方式去进行分类学习,然后抽取其中某一层作为特征,而是直接进行端对端学习一个从图像到欧式空间的编码方法,然后基于这个编码再做人脸识别、人脸验证和人脸聚类等。

DeepID人脸识别算法之三代
DeepID,目前最强人脸识别算法,已经有三代了。DeepID所应用的领域是人脸识别的子领域——人脸验证,就是判断两张图片是不是同一个人。人脸验证问题很容易就可以转成人脸识别问题,人脸识别就是多次人脸验证。

DeepID算法实践
本文是篇实践介绍,从环境配置到数据准备,再到使用,到最后的效果展示。(教程+代码)

推荐视觉机器人的网站,这里专注于各种图像、图形、视觉算法技术、及相关资讯,推荐几篇网站上的文章。

HPM——提高人脸检测性能新模型
HPM是对真实环境中的杂乱图像,提出的一种人脸检测、姿势估计、标记估计的统一模型。该模型基于一种混合树结构模型的算法。实验显示该系统,在三个任务(人脸探测、姿势估计、标记定位)都优于当前的最好结果。

人脸检测和识别的Web服务API大全!
啥也不多说了,如题,资源帖!

应用:

车牌识别、验证码识别的一般思路
本文讲了两部分,第一部分讲车牌识别及普通验证码这一类识别的普通方法,第二部分讲对类似QQ验证码,Gmail验证码这一类变态验证码的识别方法和思路。(有代码)

做车牌识别的推荐关注一个博客计算机的潜意识,博主一直在做一个名叫EasyPR的中文开源车牌识别系统,有兴趣的同学可以和博主多交流一下~

EasyPR--一个开源的中文车牌识别系统

相比于其他的车牌识别系统,EasyPR有如下特点:
  • 它基于openCV这个开源库,这意味着所有它的代码都可以轻易的获取。
  • 它能够识别中文,例如车牌为苏EUK722的图片,它可以准确地输出std:string类型的"苏EUK722"的结果。
  • 它的识别率较高。目前情况下,字符识别已经可以达到90%以上的精度。
系统还提供全套的训练数据提供(包括车牌检测的近500个车牌和字符识别的4000多个字符)。所有全部都可以在Github的项目地址上直接下载到。

 

本文的方法能达到单个图片识别时间小于200ms,500个样本人工统计正确率为95%。(附代码)

 

易学教程内所有资源均来自网络或用户发布的内容,如有违反法律规定的内容欢迎反馈
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!