Face Recognition

Qualeams

ກ່ຽວກັບແອັບນີ້

Recognition ຫນ້າສາມາດໄດ້ຮັບການນໍາໃຊ້ເປັນກອບວຽກງານການທົດສອບສໍາລັບວິທີການຈໍານວນຫນຶ່ງຮັບຮູ້ໃບຫນ້າລວມທັງການເຄືອຂ່າຍ Neural ກັບ TensorFlow and Caffe.

ມັນປະກອບມີສູດການຄິດໄລ່ດັ່ງຕໍ່ໄປນີ້ preprocessing:
- ສີເທົາ
- ການປູກພືດ
- ຕັ້ງສູນຕາ
- ແກ້ໄຂ Gamma
- ຄວາມແຕກຕ່າງຂອງ Gaussian
- Canny, ການກັ່ນຕອງ
- ຮູບແບບທ້ອງຖິ່ນ Binary
- Histogramm Equalization (ສາມາດນໍາໃຊ້ຖ້າຫາກວ່າສີເທົາຖືກນໍາໃຊ້ເກີນໄປ)
- ປັບຂະຫນາດ

ທ່ານສາມາດເລືອກຈາກຄຸນນະສົມບັດສະກັດແລະການຈໍາແນກວິທີການດັ່ງຕໍ່ໄປນີ້:
- eigenfaces ກັບປະເທດເພື່ອນບ້ານທີ່ໃກ້ທີ່ສຸດ
- ຮູບພາບກໍ່ຮ່າງໃຫມ່ກັບເຄື່ອງ Support Vector
- TensorFlow ກັບ SVM ຫຼື KNN
- Caffe ກັບ SVM ຫຼື KNN

ຄູ່ມືສາມາດໄດ້ຮັບການພົບເຫັນຢູ່ທີ່ນີ້ https://github.com/Qualeams/Android-Face-Recognition-with-Deep-Learning/blob/master/USER%20MANUAL.md

ໃນປັດຈຸບັນພຽງແຕ່ອຸປະກອນ armeabi-v7a ກໍຂຶ້ນກໍາລັງສະຫນັບສະຫນຸນ.

ສໍາລັບປະສົບການທີ່ດີທີ່ສຸດຢູ່ໃນໄລຍະການຮັບຮູ້ຫມຸນອຸປະກອນທີ່ຈະປະໄວ້.
_______________________________________________________________

TensorFlow:

ຖ້າຫາກວ່າທ່ານຕ້ອງການທີ່ຈະນໍາໃຊ້ຮູບແບບ Tensorflow Inception5h, ດາວນ໌ໂຫລດໄດ້ຈາກທີ່ນີ້:
https://storage.googleapis.com/download.tensorflow.org/models/inception5h.zip

ຫຼັງຈາກນັ້ນສໍາເນົາເອກະສານ "tensorflow_inception_graph.pb" ກັບ "/ sdcard / ຮູບ / facerecognition / ຂໍ້ມູນ / TensorFlow"

ໃຊ້ການຕັ້ງຄ່າໄວ້ໃນຕອນຕົ້ນເຫຼົ່ານີ້ສໍາລັບການເລີ່ມຕົ້ນເປັນ:
ຈໍານວນຫ້ອງຮຽນ: 1001 (ບໍ່ກ່ຽວຂ້ອງດັ່ງທີ່ພວກເຮົາບໍ່ໄດ້ໃຊ້ຊັ້ນທີ່ຜ່ານມາ)
ການປ້ອນຂໍ້ມູນຂະຫນາດ: 224
Image ສະເລ່ຍ: 128
ຂະຫນາດເຄື່ອງຈັກ: 1024
ຊັ້ນ Input: ວັດສະດຸປ້ອນ
ຊັ້ນ Output: avgpool0
ເອກະສານ Model: tensorflow_inception_graph.pb
-------------------------------------------------- -------------------------------------------------- -----
ຖ້າຫາກວ່າທ່ານຕ້ອງການທີ່ຈະນໍາໃຊ້ຮູບແບບ VGG ຫນ້າ Descriptor, ດາວນ໌ໂຫລດໄດ້ຈາກທີ່ນີ້:
https://www.dropbox.com/s/51wi2la5e034wfv/vgg_faces.pb?dl=0

ລະມັດລະວັງ: ຮູບແບບນີ້ຈະເຮັດວຽກພຽງແຕ່ກ່ຽວກັບການອຸປະກອນທີ່ມີຢູ່ຢ່າງຫນ້ອຍ 3 GB ຫຼື RAM.

ຫຼັງຈາກນັ້ນສໍາເນົາເອກະສານ "vgg_faces.pb" ກັບ "/ sdcard / ຮູບ / facerecognition / ຂໍ້ມູນ / TensorFlow"

ໃຊ້ການຕັ້ງຄ່າໄວ້ໃນຕອນຕົ້ນເຫຼົ່ານີ້ສໍາລັບການເລີ່ມຕົ້ນເປັນ:
ຈໍານວນຫ້ອງຮຽນ: 1000 (ບໍ່ກ່ຽວຂ້ອງດັ່ງທີ່ພວກເຮົາບໍ່ໄດ້ໃຊ້ຊັ້ນທີ່ຜ່ານມາ)
ການປ້ອນຂໍ້ມູນຂະຫນາດ: 224
Image ສະເລ່ຍ: 128
ຂະຫນາດເຄື່ອງຈັກ: 4096
ຊັ້ນ Input: Placeholder
ຊັ້ນ Output: fc7 / fc7
ເອກະສານ Model: vgg_faces.pb
_______________________________________________________________

Caffe:

ຖ້າຫາກວ່າທ່ານຕ້ອງການທີ່ຈະນໍາໃຊ້ຮູບແບບ VGG ຫນ້າ Descriptor, ດາວນ໌ໂຫລດໄດ້ຈາກທີ່ນີ້:
http://www.robots.ox.ac.uk/~vgg/software/vgg_face/src/vgg_face_caffe.tar.gz

ລະມັດລະວັງ: ຮູບແບບນີ້ຈະເຮັດວຽກພຽງແຕ່ກ່ຽວກັບການອຸປະກອນທີ່ມີຢູ່ຢ່າງຫນ້ອຍ 3 GB ຫຼື RAM.

ຫຼັງຈາກນັ້ນສໍາເນົາໄຟລ໌ "VGG_FACE_deploy.prototxt" ແລະ "VGG_FACE.caffemodel" ກັບ "/ sdcard / ຮູບ / facerecognition / ຂໍ້ມູນ / Caffe"

ໃຊ້ການຕັ້ງຄ່າໄວ້ໃນຕອນຕົ້ນເຫຼົ່ານີ້ສໍາລັບການເລີ່ມຕົ້ນເປັນ:
ຄ່າສະເລ່ຍ: 104, 117, 123
ຊັ້ນ Output: fc7
Model ເອກະສານ: VGG_FACE_deploy.prototxt
ໄຟລ໌ນ້ໍາຫນັກ: VGG_FACE.caffemodel

_______________________________________________________________

ໄຟລ໌ໃບອະນຸຍາດສາມາດໄດ້ຮັບການພົບເຫັນຢູ່ທີ່ນີ້ https://github.com/Qualeams/Android-Face-Recognition-with-Deep-Learning/blob/master/LICENSE.txt ແລະນີ້ https://github.com/Qualeams/Android- ເຊິ່ງ Recognition-with-Deep- ໍາການຮຽນຮູ້ / blob / ໂທ / NOTICE.txt

ມີຫຍັງໃໝ່

- Switch from building Tensorflow from source to using the Jcenter library
- Included optimized_facenet model and changed default settings to use TensorFlow by default