有没有编程大佬尝试一下改善人脸清晰度排序算法

WaveBedo

Mrdeepfake 发表于 2023-10-7 11:35
save 是保存的 WF512 元数据；restore 是把 WF512 元数据写入 FF512 脸图，FF512 元数据会被覆盖。 ...

使用h比f的区域，应该更加有效
我测试了两次，一次250张图，一次180张图。不过排序似乎没太大的变化，跟原来的差不多
使用4.2) data_src util faceset metadata restore的顺序反而乱了，不方便选了
使用restore前，那些模糊的反而会更容易看出来，因为有前后差不多的图片对比
使用resize之后，一眼就看出来，是否模糊了，极大地减少了之前判断的时间

我看了「若苗瞬」在其他地方发的以下信息


人脸类型：[f] Face type ( h/mf/f/wf/head ?:help ) :
1）head：脑袋，包括头发到脖子，使用3D的标记点，需要XSeg应用到源和目标脸数据集。
2）wf：whole face，整脸，包括额头到下巴以下。
3）f：Full Face，全脸，从眉毛上方到下巴.。
4）mf：Mid Face（旧类型），中脸，覆盖眉毛到下巴，比hf多30%脸颊区域。
5）h：Half Face（旧类型），半脸，覆盖眼睛到嘴巴，较少的脸颊区域。

————————————————
版权声明：本文为CSDN博主「若苗瞬」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/ddrfan/article/details/132290207

Mrdeepfake

WaveBedo 发表于 2023-10-7 12:56
使用h比f的区域，应该更加有效
我测试了两次，一次250张图，一次180张图。不过排序似乎没太大的变化， ...

我试过 mf 和 f，会截掉五官的，实测效果比不上 ff.

WaveBedo

Mrdeepfake 发表于 2023-10-7 14:09
我试过 mf 和 f，会截掉五官的，实测效果比不上 ff.

测试了五次，排序似乎没有太大变化，不知道，是不是我漏掉了什么步骤。MVE、DFL、fanda、果子狸都试过了。另外，h的区域更小，包含的模糊信息占比更大。f的区域大，包含更多不模糊的信息。所以，如果用模糊信息来排序的话，h的排序应该更加准确才对啊

WaveBedo

fanda 发表于 2023-10-5 16:38
DFL里的blur排序用了FF遮罩，所以很慢，效果也一般般，这个网站没人能彻底解决。可以结合果子狸的那个用 ...

高手，你有办法将blur排序改成使用h遮罩吗？
h覆盖的范围小，干扰的信息也少了，如果能将排序按照h区域来排序，精准度应该会提高一点

Face type ( h/mf/f/wf/head ?:help )
h：Half Face（旧类型），半脸，覆盖眼睛到嘴巴，较少的脸颊区域

WaveBedo

楼主，你好啊。我看到滚石的教程说，src要尽可能光影丰富，我又看到很多人说src要妆容统一
这两张图片妆容是一样的，但一个是室内，一个是夕阳下
按照你的理解，这个夕阳下的图片，是应该保留呢，还是删掉呢

Mrdeepfake

WaveBedo 发表于 2023-10-10 16:52
楼主，你好啊。我看到滚石的教程说，src要尽可能光影丰富，我又看到很多人说src要妆容统一
这两张图片妆容 ...

光影和妆容两回事，互相没影响。只要不极端，当然应该保留。

WaveBedo

楼主，你好啊。部分landmark错乱的切脸可以用于专用模型训练吗？
有遮挡的切脸太多了，如果都删掉，会缺少很多特别的表情。画好遮罩的情况下，这些切脸是不是可以使用啊

w7315511

这种造福全人类的事情啥时候能实现

nvpu

WaveBedo 发表于 2023-11-4 08:32
楼主，你好啊。部分landmark错乱的切脸可以用于专用模型训练吗？
有遮挡的切脸太多了，如果都删掉，会缺 ...

所以到底能使用吗？

lhs

WaveBedo 发表于 2023-10-7 12:56
使用h比f的区域，应该更加有效
我测试了两次，一次250张图，一次180张图。不过排序似乎没太大的变化， ...

    # 根据面部轮廓点集构建矩形框：0→16, 26→17, 回到0
    contour = []
    contour.extend(landmarks[0:17].tolist())  # 0..16
    contour.extend(landmarks[26:16:-1].tolist())  # 26..17 逆序
    contour.append(landmarks[0].tolist())
    contour = np.array(contour, dtype=np.float32)
    # 获取面部区域
    x, y, w, h = cv2.boundingRect(contour)
    # 确保边界值不小于0
    x = max(0, x)
    y = max(0, y)
    w = max(0, w)
    h = max(0, h)
    img = cv2.imdecode(np.fromfile(str(image_path), dtype=np.uint8), -1)
    face_img = img[y:y + h, x:x + w]