Hair detection, segmentation, and hairstyle classification in the wild

頭發(fā)檢測：

基于patch滑動窗口+CaffeNet-fc7 +Random Forest

頭發(fā)分割：

LTP特征（Linear Ternary Pattern ）+SVM

只對不確定的位置的像素進行分類，比如下圖的藍色部分。

發(fā)型識別：

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：

將圖片分patch，然后基于每個patch提取HOG+LTP特征進行分類

頭發(fā)分割：

基于Felzenszwalb and Huttenlocher 這樣的基于圖的算法，對頭發(fā)檢測后的mask進行分割。

數據集：

Figaro-1k

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

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

網絡結構：

網絡整體基于resnet18主干網絡的deeplabv3，然后再加一個Unet結構。deeplabv3負責頭發(fā)形狀（shape prior ）的學習，生成的特征圖和原圖concat后輸入UNet網絡，輸出最終分割結果。

?

實驗結果：

?

其他資源：

Github：

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

可能安裝錯誤：

ImportError: No module named 'ignite.engine'

解決方法：

pip install pytorch-ignite

實際運行：

python3 demo.py

總結

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站內容還不錯，歡迎將生活随笔推薦給好友。