人脸人体
人脸人体识别技术是指结合图像或视频的人脸检测、分析、比对以及人体检测等技术，为用户提供人脸/人体的检测定位、人脸属性识别和人脸比对等能力。
m基于HOG特征提取和GRNN网络的人体姿态识别算法matlab仿真,样本为TOF数据库的RGB-D深度图像
m基于HOG特征提取和GRNN网络的人体姿态识别算法matlab仿真,样本为TOF数据库的RGB-D深度图像
《阿里云AI产品必知必会系列电子书》——阿里云视觉智能开放平台——人脸识别QuickStart使用教程（上）
《阿里云AI产品必知必会系列电子书》——阿里云视觉智能开放平台——人脸识别QuickStart使用教程（上）
《阿里云AI产品必知必会系列电子书》——阿里云视觉智能开放平台——人脸识别QuickStart使用教程（下）
《阿里云AI产品必知必会系列电子书》——阿里云视觉智能开放平台——人脸识别QuickStart使用教程（下）
CVPR2022 Oral | CosFace、ArcFace的大统一升级,AdaFace解决低质量图像人脸识（二）
CVPR2022 Oral | CosFace、ArcFace的大统一升级,AdaFace解决低质量图像人脸识（二）
CVPR2022 Oral | CosFace、ArcFace的大统一升级,AdaFace解决低质量图像人脸识（一）
CVPR2022 Oral | CosFace、ArcFace的大统一升级,AdaFace解决低质量图像人脸识（一）
遮挡人脸问题 | 详细解读Attention-Based方法解决遮挡人脸识别问题（附论文下载）
遮挡人脸问题 | 详细解读Attention-Based方法解决遮挡人脸识别问题（附论文下载）
计算机视觉论文速递（八）ViTAE：COCO人体姿态估计新模型取得最高精度81.1AP
人体姿态估计是计算机视觉领域的基本研究问题之一，具有很广泛的实际应用，例如医疗健康领域的行为分析、元宇宙领域的AIGC内容生成等。但是，由于人体姿态丰富，人物衣着表观变化多样，光照和遮挡等因素，人体姿态估计任务非常具有挑战性。之前的深度学习方法主要研究了新的骨干网络设计、多尺度特征融合、更强的解码器结构和损失函数设计等。
硬刚 ArcFace | ECCV 2022 人脸识别新方法 BoundaryFace：一种基于噪声标签自校正框架(附源码实现)
硬刚 ArcFace | ECCV 2022 人脸识别新方法 BoundaryFace：一种基于噪声标签自校正框架(附源码实现)
CVPR2023｜天大联合卡迪夫大学发布SemanticHuman：部件级、精细语义、灵活可控的3D人体编辑表征
CVPR2023｜天大联合卡迪夫大学发布SemanticHuman：部件级、精细语义、灵活可控的3D人体编辑表征
AI视觉实战1：实时人脸检测
AI在视觉领域最常用的就是人脸检测、人脸识别、活体检测、人体与行为分析、图像识别、图像增强等，而且目前都是比较成熟的技术，不论商业化的Paas平台还是开源的模型，都几乎一抓一大把。
智慧电子班牌人脸识别系统源码，现代化智慧校园建设的趋势
智慧校园平台电子班牌系统源码在大数据平台下，对应用系统进行统一，以数据互联软硬结合的特点应用在校园，实现对校园、班级、教师、学生的管理。 电子班牌硬件主要用于显示班级信息、班级风采、校园文化、课程表、校园活动通知等。以图片、音视频、文字、动画、文档等形式展现，丰富的展示内容与生动的表现形式取代了传统班牌的模式，是现代学校数字化信息建设，向智慧校园推进的一个重要举措，也使得班级文化、校园文化更加浓厚，是现代化智慧校园建设的趋势。
【OpenVI—论文解读系列】高清人像美肤模型ABPN CVPR论文深入解读
随着数字文化产业的蓬勃发展，人工智能技术开始广泛应用于图像编辑和美化领域。其中，人像美肤无疑是应用最广、需求最大的技术之一。传统美颜算法利用基于滤波的图像编辑技术，实现了自动化的磨皮去瑕疵效果，在社交、直播等场景取得了广泛的应用。然而，在门槛较高的专业摄影行业，由于对图像分辨率以及质量标准的较高要求，人工修图师还是作为人像美肤修图的主要生产力，完成包括匀肤、去瑕疵、美白等一系列工作。通常，一位专业修图师对一张高清人像进行美肤操作的平均处理时间为1-2分钟，在精度要求更高的广告、影视等领域，该处理时间则更长。
门禁系统中人脸检测技术的原理剖析和使用教程
人脸检测 API 是一种基于深度学习技术的图像处理API，可以快速地检测出一张图片中的人脸，并返回人脸的位置和关键点坐标，在人脸识别系统、人脸情绪识别等多种场景下都有极大的应用。 本文将从人脸检测的发展历程、原理、特点等角度出发，一文带你看透人脸检测 API 。
CV16 人脸检测：Haar级联
因为Haar级联是在机器学习AdaBoost、Boosting的基础上提出的，由于我还没有学过机器学习，所以这部分的内容日后再描述，我将根据自己的理解浅显地解释一下
