最近要做人臉表情識別，根本沒有過機器學習的經驗，只能硬著頭皮開始；
首先，我在thinkface上找了一些資料，了解了一些有關人臉方面的文件，和目前發展的近況；因為之前有學習過《深入理解opencv》這本書，它裡面的第八章的人臉識別
的**我有執行過，所以對於人臉檢測有一定的了解；
其次，接下來我就進行了人臉對齊操作，人臉對齊的作用是什麼了？here
並進行了「3000fps」的測試，中間遇到了很多的問題；
首先是配置的問題；
然後就是配置成功後，怎樣執行**的問題；
最後是執行結果後出現的問題。
在後面的帖子中我將會持續更新。
人臉關鍵點定位3000fps的LBF方法
整體來看，其實 esr是基礎版本的形狀回歸，ert將回歸樹修改為gbdt，由原始的直接回歸形狀，改進為回歸形狀殘差，而lbf，是加速特徵提取，由原來的畫素差分特徵池，改為隨機選擇點。基於lbf方法的人臉對齊，出自face alignment at3000 fps via regressing loc...
3000fps 實際操作總結
在對3000fps 演算法的實際操作過程中，遇到了很多問題，同樣也總結了一些經驗 1 中提及3000fps 演算法的實際對齊速度可以達到 3ms，可能是訓練庫很大吧 我開始使用 lfpw 訓練庫，其中包含 811張圖，最終的特徵點對齊速度平均為 100ms 而使用 helen 訓練庫的 2000 張...
人臉對齊介紹
1 五官定位 2 表情識別 3 人臉漫畫 素描生成 4 增強現實 5 換臉 6 3d建模 給定人臉區域 i，從該區域出發,根據一定的規則 f，找到特徵點位置 x。即 x f i 所以，人臉對齊演算法便是設計函式 規則 f，f的優劣變體現在擬合效果 執行效率 引數儲存空間 泛化能力 即適應資料集以外的...