Hair detection, segmentation, and hairstyle classification in the wild

頭發(fā)檢測(cè)：

基于patch滑動(dòng)窗口+CaffeNet-fc7 +Random Forest

頭發(fā)分割：

LTP特征（Linear Ternary Pattern ）+SVM

只對(duì)不確定的位置的像素進(jìn)行分類，比如下圖的藍(lán)色部分。

發(fā)型識(shí)別：

LTP特征（Linear Ternary Pattern ）+Random Forest

整體流程：

?

FIGARO, HAIR DETECTION AND SEGMENTATION IN THE WILD

頭發(fā)檢測(cè)：

將圖片分patch，然后基于每個(gè)patch提取HOG+LTP特征進(jìn)行分類

頭發(fā)分割：

基于Felzenszwalb and Huttenlocher 這樣的基于圖的算法，對(duì)頭發(fā)檢測(cè)后的mask進(jìn)行分割。

數(shù)據(jù)集：

Figaro-1k

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

數(shù)據(jù)在谷歌圖片和Flickr收集。包含7種發(fā)型類別（straight, wavy, curly, kinky, braids, dreadlocks, short ），每一個(gè)類別包含150張圖，一共1050張圖，包含840種視角。數(shù)據(jù)集提供了發(fā)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

網(wǎng)絡(luò)結(jié)構(gòu)：

網(wǎng)絡(luò)整體基于resnet18主干網(wǎng)絡(luò)的deeplabv3，然后再加一個(gè)Unet結(jié)構(gòu)。deeplabv3負(fù)責(zé)頭發(fā)形狀（shape prior ）的學(xué)習(xí)，生成的特征圖和原圖concat后輸入U(xiǎn)Net網(wǎng)絡(luò)，輸出最終分割結(jié)果。

?

實(shí)驗(yàn)結(jié)果：

?

其他資源：

Github：

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

可能安裝錯(cuò)誤：

ImportError: No module named 'ignite.engine'

解決方法：

pip install pytorch-ignite

實(shí)際運(yùn)行：

python3 demo.py

總結(jié)

以上是生活随笔為你收集整理的发型识别大总结的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。