matlab人脸匹配代码AGNs
描述
此仓库包含文档中引用的论文的对抗性生成网络（AGN）的实现。
数据和模型
在生成这副眼镜之前，您需要：
下载缺少的模型并将其放置在models文件夹中（链接：）。
在设备上下载并安装Matlab。
从需要注入的Matlab安装所需的依赖项（Matlab应提示您安装所需的依赖项。）
运行'init.m'
运行“
demo.m”（如果需要其他操作，它将发出警报。）
跑步说明
结盟
攻击代码程序将面部图像作为输入。
这些图像需要与VGG的规范姿势对齐。
使用物理攻击程序时，对齐的图像还应包含用于将眼镜与面部图像对齐的绿色标记（请参阅下面的示例和data/demo-data2/
）。
要对齐将用于程序的图像，请使用align程序。
在运行代码之前，您需要更新文件face_landmark_detection.m和openface_align.m的路径。
对齐照片的处理
通过对齐程序运行图像之后。
映像的路径必须在您选择运行的攻击程序中更新（如下所示）。
该程序将生成眼镜选项的视觉效果。
生成一对
该程序还将通过'best_pair.m'程序生成一个.ma
2022-08-26 21:50:28
409.52MB
1
眼镜是人脸图像中最常见的遮挡物，它对识别率的影响很大。为了提高戴眼镜人脸图像的识别率，提出了一个从正面人脸图像中提取并摘除眼镜的方法。通过一个自适应二值化的方法，检测了正面人脸图像中眼镜遮挡的部分。经过迭代的误差补偿方法，合成了对应输入图像的不戴眼镜的正面人脸图像。实验结果表明：该方法能有效地合成无眼镜的正面人脸图像。原始戴眼镜人脸图像的识别率是50.1%，合成的无眼镜正面人脸图像的识别率是99.4%。
2022-08-26 18:28:40
417KB
1
鱼眼镜头的畸变校正和图像的拼接
畸变产生的原因：鱼眼镜头畸变主要是由镜头自身引起的光学变形、镜头光学系统存在加工误差和装配误差，导致物点在像面上的实际成像点与理想像点之间存在偏离而产生的。
2022-08-23 14:16:46
1.13MB
1
geoserver ARM 平台的 Docker 镜像，Dockerfile 和 docker-compose 地址为：
https://github.com/luolingchun/docker-compose/tree/master/geoserver-arm
2022-08-23 14:01:21
999.37MB
1