不同算法检测结果对比图

文章目录

1. 写在前面
2. 测试样例
3. 测试设备
4. 人脸检测
- 4.1. 基于LBP的动漫人脸检测
- - 4.1.1. 仓库地址
  - 4.1.2. 环境配置
  - 4.1.3. 示例代码
  - 4.1.4. 检测结果
- 4.2. 基于MLP的动漫人脸检测
- - 4.2.1. 仓库地址
  - 4.2.2. 环境配置
  - 4.2.3. 示例代码
  - 4.2.4. 检测结果
- 4.3. 基于HOG的动漫人脸检测
- - 4.3.1. 仓库地址
  - 4.3.2. 环境配置
  - 4.3.3. 示例代码
  - 4.3.4. 检测结果
- 4.4. 基于SSD的动漫人脸检测
- - 4.4.1. 仓库地址
  - 4.4.2. 环境配置
  - 4.4.3. 示例代码
  - 4.4.4. 检测结果
5. 其它实验
- 5.1. 测试样例
- 5.2. 检测结果
6. 结果分析
7. 完整代码
8. 下步计划
9. 引用参考

1. 写在前面

本文章是对Github上基于Python的动漫人脸检测（Anime Face Detection）算法汇总！

2. 测试样例

3. 测试设备

CPU：12 Intel(R) Xeon(R) CPU E5-2603 v4 @ 1.70GHz
GPU：8 NVIDIA GeForce GTX 1080 Ti

4. 人脸检测

4.1. 基于LBP的动漫人脸检测

4.1.1. 仓库地址

https://github.com/nagadomi/lbpcascade_animeface

4.1.2. 环境配置

依赖模块：pip install opencv-python
检测模型：lbp_anime_face_detect.xml

4.1.3. 示例代码

lbp_anime_face_detect.py

import cv2
import sysdef lbp_anime_face_detect(file_name):img = cv2.imread(file_name)  # 读取图片img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 图片灰度化img_gray = cv2.equalizeHist(img_gray)  # 直方图均衡化face_cascade = cv2.CascadeClassifier('../model/lbp_anime_face_detect.xml')  # 加载级联分类器faces = face_cascade.detectMultiScale(img_gray)  # 多尺度检测for x, y, w, h in faces:  # 遍历所有检测到的动漫脸img = cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 255), 5)  # 绘制矩形框cv2.imwrite(f'../result/lbp_anime_face_detect_{file_name[-5]}.jpg', img)  # 保存检测结果if __name__ == '__main__':lbp_anime_face_detect(sys.argv[1])

4.1.4. 检测结果

实检	漏检	误检	耗时
13	1	1	1.20s

4.2. 基于MLP的动漫人脸检测

4.2.1. 仓库地址

https://github.com/nya3jp/python-animeface

4.2.2. 环境配置

系统要求：仅限Linux系统
依赖模块：pip install pillow opencv-python animeface

注意：如果pip install animeface报错，请下载已经编译好的animeface-1.1.0-cp37-cp37m-manylinux1_x86_64.whl.whl文件，然后使用如下命令安装：（不过用这种方法安装，强制要求Python版本是3.7）

pip install animeface-1.1.0-cp37-cp37m-manylinux1_x86_64.whl

4.2.3. 示例代码

mlp_anime_face_detect.py

import cv2
import animeface
from PIL import Image
import sysdef mlp_anime_face_detect(file_name):img = cv2.imread(file_name)  # 读取图片img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 图片灰度化img_gray = cv2.equalizeHist(img_gray)  # 直方图均衡化faces = animeface.detect(Image.fromarray(img_gray))  # 人脸检测for each in faces:  # 遍历所有检测到的动漫脸temp = each.face.posx = temp.xy = temp.yw = temp.widthh = temp.heightimg = cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 255), 5)  # 绘制矩形框cv2.imwrite(f'../result/mlp_anime_face_detect_{file_name[-5]}.jpg', img)  # 保存检测结果if __name__ == '__main__':mlp_anime_face_detect(sys.argv[1])

4.2.4. 检测结果

实检	漏检	误检	耗时
17	0	4	28.28s

4.3. 基于HOG的动漫人脸检测

4.3.1. 仓库地址

https://github.com/marron-akanishi/AFD

4.3.2. 环境配置

依赖模块：pip install opencv-python dlib
检测模型：hog_anime_face_detect.svm

注意：对于Windwos系统，dlib库下载后还需要用C++编译器编译，因此你需要安装Visual Studio并配置C++编译环境，如果你已经安装并配置，那么请忽略；如果没有，请看这篇教程。

4.3.3. 示例代码

hog_anime_face_detect.py

import cv2
import dlib
import sysdef hog_anime_face_detect(file_name):img = cv2.imread(file_name) # 读取图片img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 图片灰度化img_gray = cv2.equalizeHist(img_gray)  # 直方图均衡化face_detector = dlib.simple_object_detector('../model/hog_anime_face_detect.svm') # 加载检测器faces = face_detector(img_gray)for face in faces: # 遍历所有检测到的动漫脸left = face.left()top = face.top()right = face.right()bottom = face.bottom()cv2.rectangle(img, (left, top), (right, bottom), (255, 0, 255), 5) # 绘制矩形框cv2.imwrite(f'../result/hog_anime_face_detect_{file_name[-5]}.jpg', img)  # 保存检测结果if __name__ == '__main__':hog_anime_face_detect(sys.argv[1])

4.3.4. 检测结果

实检	漏检	误检	耗时
10	3	0	2.42s

4.4. 基于SSD的动漫人脸检测

4.4.1. 仓库地址

https://github.com/WynMew/AnimeFaceBoxes

4.4.2. 环境配置

依赖模块：pip install opencv-python numpy torch
检测模型：ssd_anime_face_detect.pth

4.4.3. 示例代码

ssd_anime_face_detect.py（代码太长，不宜展示，请下载后查看）

4.4.4. 检测结果

实检	漏检	误检	耗时
13	0	0	0.72s

5. 其它实验

5.1. 测试样例

【画师】ゆりりん【P站ID】88049646

【画师】Nahaki【P站ID】84678881

【画师】A.one【P站ID】66996496

【画师】D.【P站ID】68074033

5.2. 检测结果

6. 结果分析

基于MLP的动漫人脸检测算法速度太慢，达不到实际应用的要求。而其它三个算法都各有千秋，目标图片不同，检测的精度也不同。

7. 完整代码

本文所有代码均可在Github上查看：https://github.com/XavierJiezou/anime-face-detection

8. 下步计划

基于Faster-RCNN的动漫人脸检测：https://github.com/qhgz2013/anime-face-detector/
基于CNN的轻量级的动漫人脸检测：https://github.com/ShiqiYu/libfacedetection
其它相关项目：https://github.com/search?p=1&q=anime+face+detection&type=Repositories

9. 引用参考

https://github.com/nagadomi/lbpcascade_animeface
https://github.com/nya3jp/python-animeface
https://github.com/marron-akanishi/AFD
https://github.com/WynMew/AnimeFaceBoxes

【python】动漫人脸检测算法汇总（lbp+mlp+hog+ssd）相关推荐

GitHub动漫人脸检测项目lbpcascade animeface
GitHub动漫人脸检测项目lbpcascade animeface GitHub开源项目动漫人脸检测环境需求使用说明 GitHub开源项目 https://github.com/nagadom ...
【深度学习】卡通动漫人脸检测
此文主要记录一些论文和博客的观点难点相比于人脸较为固定的高宽比,动漫人脸则夸张地多,卡通人脸中大约有10%的比例大于2.0或小于0.5: 没有较为统一的特征,人类形象.动植物形象.机甲甚至怪物形象 ...
动漫人脸识别技术及数据集介绍
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达本文转自:计算机视觉life 看过的动漫太多,以至于认角色时有点脸 ...
Python:实现费马检测算法(附完整源码)
Python:实现费马检测算法 def bin_exp_mod(a, n, b):# mod bassert not (b == 0), "This cannot accept modulo ...
PyTorch实现SRGAN——动漫人脸超分辨率
文章目录 1. 数据集介绍 2. SRGAN模型的构建 3. 数据读取 4. 损失函数构建 5. 模型训练 6. 测试模型全部代码: GitHub 1. 数据集介绍使用的是一个动漫人脸数据集,完整 ...
python 异常点检测 cook距离_异常检测算法汇总
本文来自:https://github.com/Albertsr 第一部分:无监督异常检测 1. 算法 1.1 孤立森林(Isolation Forest) 算法论文: Isolation Fores ...
Python实战案例，图像识别技术OpenCV，Python实现猫脸检测
开发工具 Python版本:3.6.4 相关模块: cv2模块: 以及一些Python自带的模块. 环境搭建安装Python并添加到环境变量,pip安装需要的相关模块即可. 原理简介简单地讲一讲H ...
异常检测/离群点检测算法汇总
不存在普遍意义上的最优模型,不过有些模型的表现一直不错,建议优先考虑.对于大数据量和高纬度的数据集,Isolation Forest算法的表现比较好.小数据集上,简单算法KNN和MCD的表现不错. 模 ...
史上最全综述：3D目标检测算法汇总！
来源:自动驾驶之心本文约16000字,建议阅读10+分钟本文将演示如何通过阈值调优来提高模型的性能.本文的结构安排如下:首先,第2节中介绍了3D目标检测问题的定义.数据集和评价指标.然后,我们回顾 ...

【python】动漫人脸检测算法汇总（lbp+mlp+hog+ssd）