最近在做人脸重建的项目时，需要对图片进行检测裁剪的预处理操作，发现仅仅使用dlib中的get_frontal_face_detector类进行人脸检测效率并不高。
而使用训练好的模型dlib.cnn_face_detection_model_v1检测成功率更高。
预训练模型为：mmod_human_face_detector.dat（可在dlib官网进行下载）
版权声明：本文为CSDN博主「宇明隙」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/ioooonh/article/details/122652747
本文主要写了使用yolov4进行模型训练前的数据准备。darknet框架使用的数据格式是yolo格式，但我们常见的目标检测数据格式是COCO和VOC.所以本文将以车辆检测为例，将coco2017和voc2007及vo
Pix2Seq：一个简单而通用的目标检测新框架， 其将目标检测转换为语言建模任务，大大简化了pipeline，性能可比肩Faster R-CNN和DETR！还可扩展到其他任务
基于YOLOV4的绝缘子检测（开源模型、数据集及源码） 一、项目简介 Yolo_Insulators是一个基于YoloV4的绝缘子目标检测程序，人工智能课程设计作业。github链接 github:
【深度学习目标检测】一、基于yolov3的水果商品检测分类 本文的目标是使用yolov3目标检测算法实现水果检测，使用的深度学习框架为paddlepaddle，目标检测算法框架paddledetection。检测效
暂无评论