内部培训算法原理II

内部培训算法原理II

视线估计

标注r，y角度 人为表演  但是相机计算瞳孔的三维深度点以及在二维相机的影射点。
双目摄像机  固定远点   判断图像深度  判断瞳孔位置， 知道观测目标，然后计算picth yaw角度

gazeright
3d

虹膜    标注    68点    28点     slovepvp计算平移矩阵    输出人眼三维坐标

后处理
1 算法 p，y
2 三维坐标
3 是否落到三角区域
观察球面-每个region是固定但是 影射为区域可能范围会变小。用3 比较直接
直方图均衡化

 

positionmap 

活体检测
照片等假体检测
实车 相同摄像头  

后处理

人脸识别
faceid

人脸关键点
名人照片      每个ID 60+
    通过关键5点校正
人脸校正 ===    缩放旋转平移
打包方式

arcface 算法

 60张图片为什么够了？？？
训练集 MS1M-V2
筛选到特征
用特征 内积

人脸检测
大量的数据框出人脸 训练  得到红框坐标

人脸id认证  不需要标注
大量人物以及人物的图片为什么60张够了
是因为想学习到一个128维特征     这个特征给到faceid系统做注册人脸的距离比对
模型只要尽量得到一个个体能区分其他个人的特征向量
维度大于样本不一定会训练不还好  因为在验证集不好但是在测试集可以表现很好 ，其实本质还是特征权重大的数据被合理的搜索到