目前绝大多数的人脸识别数据集都是非限制场景下的,例如LFW。限制场景就是指基于某一特定环境下,比如一个证件照的数据集就是限制场景下,因为都是在同样的场景(差不多的背景,差不多的光照)下采集的。非限制场景则与之相反,例如LFW(Labeled Faces in the Wild)中的wild指的就是不限制某一特定场景下。
人脸识别中的限制场景与非限制场景(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
深度学习基础——张量的通俗理解
SupreEvi
2020-07-08 11:53:15
视频目标分割之Video Object Segmentation using Space-Time Memory Networks
有为少年
2020-07-08 11:18:09
基于attention机制实现 CRNN OCR文字识别
koibiki
2020-07-08 12:23:28
opencv 加载tensorflow pb模型
koibiki
2020-07-08 12:23:28
聊天机器人/对话生成
路越
2020-07-08 12:17:40
推荐系统系列(二):从零开始搭建基于向量的推荐策略
路越
2020-07-08 12:17:27
论文解读:Single path one-shot neural architecture search with uniform sampling
Lawrence-C
2020-07-08 12:06:15
深度学习论文中的一些术语(仅备份用,不定时更新)
forg_ood
2020-07-08 12:04:52
深度学习_目标检测_FPN论文详解
CV-GANRocky
2020-07-08 11:57:07
深度学习_目标检测_“YOLOv5”详解(持续更新)
CV-GANRocky
2020-07-08 11:57:07
[深度之眼]LeNet/AlexNet/VGGNet/InceptionNet/ResNet实现fashion_mnist分类
TF_Keras
2020-07-08 11:53:37
TensorFlow+CNN+OpenCV快速识别中文验证码
郑德帅
2020-07-08 11:43:39
apt-get update 卡在working 0 已解决
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