使用 194 点海伦数据集训练 dlib 形状预测器答案

【问题标题】：train dlib shape predictor with 194 points helen dataset使用 194 点海伦数据集训练 dlib 形状预测器
【发布时间】：2018-10-01 03:29:49
【问题描述】：

我在使用 dlib 库 (train_shape_predictor_ex.cpp) 准备形状训练时遇到问题案例：

我正确安装了 Visual Studio 并正确配置了 dlib 我还有来自 helen 数据库的 194 个地标点的 xml 文件（总共映射了大约 2300 张图像）。

默认情况下，dlib 解决方案基于与 68 个人脸标志相关的人脸数据集，我根本不知道如何将限制从 68 个扩展到 194 个。

当我尽力而为时，我得到的是 68 个点映射到每张图像的 194 个点数据集...

通过逆向工程，我发现在 render_face_detections.h 文件中存在限制，但即使我将它们从 68 更改为 194，我仍然有相同的输出，在分析的图像上仅显示 68 个标志点。

如果有任何提示如何解决这个问题，我将不胜感激 - 我知道这是一个简单的调整，但我无法弄清楚..

提前致谢，巴特克

【问题讨论】：

标签： c++ image-processing machine-learning face-detection dlib

【解决方案1】：

可能是因为您不知道 194 个点的结构以及它们是如何关联的。我建议像我一样只使用圆圈：

inline std::vector<image_window::overlay_circle> render_helen_face_detections (
        const std::vector<full_object_detection>& dets,
        const rgb_pixel color = rgb_pixel(0,255,0)
    )
    {
        std::vector<image_window::overlay_circle> circles;

        for (unsigned long i = 0; i < dets.size(); i++){
          const full_object_detection& d = dets[i];

          for (unsigned long p = 0; p < d.num_parts(); p++)
              circles.push_back(image_window::overlay_circle(d.part(p), 1, color));
        }

        return circles;
    }

【讨论】：