人脸检测:微软 VS Face++

今天网上无意看到了微软和face++两家公司的人脸检测,Face++号称国际顶尖的技术,也用过他们的接口感觉确实很不错,而微软则不再话下了,近些年国内的人脸技术已经得到了很大的发展。于是想对比微软和Face++的人脸检测效果。

1、演示接口

以官方提供的在线测试接口为准:

微软:https://cn.projectoxford.ai/demo/face#detection

Face++:http://www.faceplusplus.com.cn/demo-detect/

2、演示结果

测试了七组图片,分别给出了原图、微软检测结果图和Face++检测结果图。以下是检测的效果图:

第1组:

原图:

微软(左):                                                                                                         Face++(右):

    

第2组

原图:

微软(左):                                                                                                         Face++(右):

     

第3组

原图:

微软(左):                                                                                                         Face++(右):

    

第4组

原图:

微软(左):                                                                                                         Face++(右):

    

第5组

原图:

微软(左):                                                                                                         Face++(右):

    

第6组

原图:

微软(左):                                                                                                         Face++(右):

    

第7组

原图:

微软(左):                                                                                                         Face++(右):

    

3、简单总结

人脸检测:两家公司都没有出现误检测的现象;微软的检出率要好于Face++,微软几乎检测出了大部分的人脸,当然第一组的效果Face++要好于微软的,但其他的就有漏检的现象了。有一种可能是Face++在服务器端限制了图像的大小,从而导致太小的检测不出来,但这只是估计,无从得知了。微软对人脸被遮挡的情况也可以检测到,例如第4组的相片,而Face++不能检测遮挡的情况。总之,微软的效果要稍微好于Face++的。

性别识别:两家公司的性别识别相当,总体上Face++的略好于微软的。微软的性别有若干个出现误检测的情况,Face++很少出现误检测的现象。

Face++又出现图片上传失败的现象,服务器忙的现象,可能使用的人太多了?

综合:人脸检测上,微软要略好于Face++;性别识别上,Face++要略好于微软。

时间: 2024-08-27 23:41:42

人脸检测:微软 VS Face++的相关文章

Android实战技巧之三十:人脸检测-静态

最近微软的how-old.net把人脸识别技术又大大的火了一把.通过大数据和复杂的算法,能够神奇的预测出照片中人物的性别和年龄.虽然错误率也不低,但是大家都抱着玩一玩乐一乐的心态把照片传上去让机器来鉴定一下自己的颜龄. 人脸识别算法是高深复杂的,面对着计算机视觉的种种数学公式,我就已经投降了.先来简单的玩玩人脸检测吧.Android早已提供了FaceDetector类,今天就来看看如何使用这个类人脸检测吧. 流程: 1.打开文件夹选择照片 2.将照片加载到bitmap中并缩放到设置的宽高 3.用

python配置opencv实现人脸检测

模式识别课上老师留了个实验,在VC++环境下利用OpenCV库编程实现人脸检测与跟踪. 然后就开始下载opencv和vs2012,再然后,配置了好几次还是配置不成功,这里不得不吐槽下微软,软件做这么大,这么难用真的好吗? 于是就尝试了一下使用python完成实验任务,大概过程就是这样子的: 首先,配置运行环境: 下载opencv和python的比较新的版本,推荐opencv2.4.X和python2.7.X. 直接去官网下载就ok了,python安装时一路next就行,下载的opencv.exe

40多个关于人脸检测/识别的API、库和软件

40多个关于人脸检测/识别的API.库和软件 http://blog.csdn.net/shaoxiaohu1/article/details/10067269 40多个关于人脸检测/识别的API.库和软件 标签: 人脸检测人脸识别api库 2013-08-19 13:13 1023人阅读 评论(0) 收藏 举报  分类: 图像与OpenCV(15)  自从谷歌眼镜被推出以来,围绕人脸识别,出现了很多争议.我们相信,不管是不是通过智能眼镜,人脸识别将在人与人交往甚至人与物交互中开辟无数种可能性.

[转]40多个关于人脸检测/识别的API、库和软件

http://news.cnblogs.com/n/185616/ 英文原文:List of 40+ Face Detection / Recognition APIs, libraries, and software 译者:@吕抒真 译文:链接 自从谷歌眼镜被推出以来,围绕人脸识别,出现了很多争议.我们相信,不管是不是通过智能眼镜,人脸识别将在人与人交往甚至人与物交互中开辟无数种可能性. 为了帮助研究过程中探索人脸识别,我们列出以下人脸检测和识别 API.希望有所帮助! Face Recogn

用caffe一步一步实现人脸检测

学习深度学习已有一段时间了,总想着拿它做点什么,今天终于完成了一个基于caffe的人脸检测,这篇博文将告诉你怎样通过caffe一步步实现人脸检测.本文主要参考唐宇迪老师的教程,在这里感谢老师的辛勤付出. 传统机器学习方法实现人脸检测: 人脸检测在opencv中已经帮我们实现了,我们要把它玩起来很简单,只需要简简单单的几行代码其实就可以搞定.(haarcascade_frontalface_alt.xml这个文件在opencv的安装目录下能找到,笔者的路径是:E:\opencv2.4.10\ope

基于Opencv的人脸检测及识别

一.实验目的:我这里完成的是,将8张人脸图片(4组,每组两张)存入库中,选取1张图片,程序识别出与其匹配的另一张. 这里介绍分三个步骤完成该工作,①程序读取摄像头.拍照 ②程序从电脑文档中读取图片   ③检测人脸,并用红框框出人脸 ④使用感知哈希算法匹配最相似的图片 二.实验环境: Win 7(x64).visual studio 2010.openCV-2.4.3 使用语言:C++ 三.实验准备:①安装好vs2010,本文不予介绍.   ②配置opencv : 1'进入官网下载http://o

python 人脸检测 +python 二维码检测

从官网下载opencv 目录结构如图 在samples中有丰富的示例 应为我的系统中已经安装好opepncv-python,可直接运行 会得到结果: 人脸检测代码如下 #!/usr/bin/env python ''' face detection using haar cascades USAGE: facedetect.py [--cascade <cascade_fn>] [--nested-cascade <cascade_fn>] [<video_source>

人脸检测与人脸对齐指标

人脸检测指标: 召回率(Recall):正确检测到的人脸数量与测试数据集所有人脸数量之比.反映了检测器可以正确找到多少人脸. 精确度(Precision):在所有输出的人脸中,正确的人脸所占的比例.反映了检测器结果的可靠程度. 稳定度(Stability):当人脸在图片中的位置和大小发生变化时,输出的人脸位置和大小也需要相对于真实人脸保持不变,一般用标注的位置和检测到的位置的重合度来衡量. 人脸对齐指标: 平均相对误差(Mean Squared Error):各个检测到的基准点与实际基准的距离的

OpenCV人脸检测

由于光照.遮挡和倾斜等原因,部分人脸和眼睛并不能正确检测.. // 简单的人脸检测 #include <iostream> #include <vector> #include <opencv2\opencv.hpp> #include "opencv2/objdetect/objdetect.hpp" #include "opencv2/highgui/highgui.hpp" #include "opencv2/im