发型识别大总结

Hair detection, segmentation, and hairstyle classification in the wild

头发检测：

基于patch滑动窗口+CaffeNet-fc7 +Random Forest

头发分割：

LTP特征（Linear Ternary Pattern ）+SVM

只对不确定的位置的像素进行分类，比如下图的蓝色部分。

发型识别：

LTP特征（Linear Ternary Pattern ）+Random Forest

整体流程：

 

FIGARO, HAIR DETECTION AND SEGMENTATION IN THE WILD

头发检测：

将图片分patch，然后基于每个patch提取HOG+LTP特征进行分类

头发分割：

基于Felzenszwalb and Huttenlocher 这样的基于图的算法，对头发检测后的mask进行分割。

数据集：

Figaro-1k

http://projects.i-ctm.eu/en/project/figaro-1k

数据在谷歌图片和Flickr收集。包含7种发型类别（straight, wavy, curly, kinky, braids, dreadlocks, short ），每一个类别包含150张图，一共1050张图，包含840种视角。数据集提供了发型分割的mask。

 

Human Hair Segmentation In The Wild Using Deep Shape Prior

Github：https://yozey.github.io/Hair-Segmentation-in-the-wild

bilibili：https://www.bilibili.com/video/av66067281

网络结构：

网络整体基于resnet18主干网络的deeplabv3，然后再加一个Unet结构。deeplabv3负责头发形状（shape prior ）的学习，生成的特征图和原图concat后输入UNet网络，输出最终分割结果。

 

实验结果：

 

其他资源：

Github：

https://github.com/YBIGTA/pytorch-hair-segmentation

可能安装错误：

ImportError: No module named 'ignite.engine'

解决方法：

pip install pytorch-ignite

实际运行：

python3 demo.py

总结

以上是生活随笔为你收集整理的发型识别大总结的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。