目前絕大多數的人臉識別數據集都是非限制場景下的,例如LFW。限制場景就是指基於某一特定環境下,比如一個證件照的數據集就是限制場景下,因爲都是在同樣的場景(差不多的背景,差不多的光照)下采集的。非限制場景則與之相反,例如LFW(Labeled Faces in the Wild)中的wild指的就是不限制某一特定場景下。
人臉識別中的限制場景與非限制場景(unconstrained environment)
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章
深度學習基礎——張量的通俗理解
SupreEvi
2020-07-08 11:53:15
視頻目標分割之Video Object Segmentation using Space-Time Memory Networks
有为少年
2020-07-08 11:18:09
基於attention機制實現 CRNN OCR文字識別
koibiki
2020-07-08 12:23:28
opencv 加載tensorflow pb模型
koibiki
2020-07-08 12:23:28
聊天機器人/對話生成
路越
2020-07-08 12:17:40
推薦系統系列(二):從零開始搭建基於向量的推薦策略
路越
2020-07-08 12:17:27
論文解讀:Single path one-shot neural architecture search with uniform sampling
Lawrence-C
2020-07-08 12:06:15
深度學習論文中的一些術語(僅備份用,不定時更新)
forg_ood
2020-07-08 12:04:52
深度學習_目標檢測_FPN論文詳解
CV-GANRocky
2020-07-08 11:57:07
深度學習_目標檢測_“YOLOv5”詳解(持續更新)
CV-GANRocky
2020-07-08 11:57:07
[深度之眼]LeNet/AlexNet/VGGNet/InceptionNet/ResNet實現fashion_mnist分類
TF_Keras
2020-07-08 11:53:37
TensorFlow+CNN+OpenCV快速識別中文驗證碼
郑德帅
2020-07-08 11:43:39
apt-get update 卡在working 0 已解決
一蓑烟雨任平生yu
2020-07-08 11:20:23
最新文章
-
入門機器學習實用指南Hands-On Machine Learning with Scikit-Learn & TensorFlow (第二章)
-
Center Loss: A Discriminative Feature Learning Approachfor Deep Face Recognition
-
入門機器學習實用指南Hands-On Machine Learning with Scikit-Learn & TensorFlow (第四章)
-
DeepID2+:Deeply learned face representations are sparse, selective, and robus
-
DeepID1-Deep Learning Face Representation from Predicting 10,000 Classes