Face Recognition

Qualeams
28/05/2017
  • 54.4 MB

    اندازه فایل

  • Android 5.0+

    Android OS

درباره‌ی Face Recognition

تشخیص چهره می تواند به عنوان یک چارچوب آزمون برای روش های تشخیص چهره استفاده

تشخیص چهره می تواند به عنوان یک چارچوب آزمون برای چند روش تشخیص چهره از جمله شبکه های عصبی با TensorFlow و کافه استفاده می شود.

این شامل الگوریتم های پردازش زیر است:

- خاکستری

- زراعت و اصلاح نباتات

- ترازبندی چشم

- تصحیح گاما

- تفاوت Gaussians

- عاقل-فیلتر

- محلی الگوی دودویی

- بافتنگار برابری (تنها می تواند مورد استفاده قرار گیرد اگر سیاه و سفید استفاده شده است بیش از حد)

- تغییر اندازه

شما می توانید از روش های استخراج ویژگی و طبقه بندی زیر را انتخاب کنید:

- Eigenfaces با نزدیکترین همسایه

- تصویر شکل دهی مجدد با ماشین بردار پشتیبان

- TensorFlow با SVM یا KNN

- کافه با SVM یا KNN

کتابچه راهنمای می توان در اینجا یافت https://github.com/Qualeams/Android-Face-Recognition-with-Deep-Learning/blob/master/USER٪20MANUAL.md

در حال حاضر تنها به دستگاه های armeabi-v7a و به سمت بالا پشتیبانی می شوند.

برای بهترین تجربه را در حالت تشخیص چرخش دستگاه به سمت چپ.

_______________________________________________________________

TensorFlow:

اگر شما می خواهید به استفاده از مدل Tensorflow Inception5h، آن را دانلود از اینجا:

https://storage.googleapis.com/download.tensorflow.org/models/inception5h.zip

سپس فایل "tensorflow_inception_graph.pb" به "/ sdcard / تصاویر / facerecognition / داده ها / TensorFlow" کپی

با استفاده از این تنظیمات پیش فرض برای یک شروع:

تعداد طبقات: 1001 (مربوط نیست که ما آخرین لایه استفاده کنید)

اندازه ورودی: 224

میانگین تصویر: 128

اندازه خروجی: 1،024

لایه ورودی: ورودی

لایه خروجی: avgpool0

فایل مدل: tensorflow_inception_graph.pb

-------------------------------------------------- -------------------------------------------------- -----

اگر شما می خواهید به استفاده از مدل VGG صورت توصیف، آن را دانلود از اینجا:

https://www.dropbox.com/s/51wi2la5e034wfv/vgg_faces.pb؟dl=0

توجه: این مدل تنها در دستگاه های با حداقل 3 گیگابایت رم و یا اجرا می شود.

سپس فایل "vgg_faces.pb" به "/ sdcard / تصاویر / facerecognition / داده ها / TensorFlow" کپی

با استفاده از این تنظیمات پیش فرض برای یک شروع:

تعداد طبقات: 1000 (مربوط نیست که ما آخرین لایه استفاده کنید)

اندازه ورودی: 224

میانگین تصویر: 128

اندازه خروجی: 4،096

لایه ورودی: حفره یا سوراخ

لایه خروجی: fc7 / fc7

فایل مدل: vgg_faces.pb

_______________________________________________________________

کافه:

اگر شما می خواهید به استفاده از مدل VGG صورت توصیف، آن را دانلود از اینجا:

http://www.robots.ox.ac.uk/~vgg/software/vgg_face/src/vgg_face_caffe.tar.gz

توجه: این مدل تنها در دستگاه های با حداقل 3 گیگابایت رم و یا اجرا می شود.

سپس فایل های کپی "VGG_FACE_deploy.prototxt" و "VGG_FACE.caffemodel" به "/ sdcard / تصاویر / facerecognition / داده ها / CAFFE"

با استفاده از این تنظیمات پیش فرض برای یک شروع:

مقادیر میانگین: 104، 117، 123

لایه خروجی: fc7

فایل مدل: VGG_FACE_deploy.prototxt

وزن فایل: VGG_FACE.caffemodel

_______________________________________________________________

فایل های مجوز را می توان در اینجا یافت نشد https://github.com/Qualeams/Android-Face-Recognition-with-Deep-Learning/blob/master/LICENSE.txt و در اینجا https://github.com/Qualeams/Android- تشخیص چهره-با-یادگیری عمیق / حباب / کارشناسی ارشد / NOTICE.txt

نمایش بیشترنمایش کمتر

جدیدترین 1.5.1 چه خبر است

Last updated on 2017-05-28
- Switch from building Tensorflow from source to using the Jcenter library
- Included optimized_facenet model and changed default settings to use TensorFlow by default

اطلاعات Face Recognition APK

آخرین نسخه
1.5.1
Android OS
Android 5.0+
اندازه فایل
54.4 MB
توسعه دهنده
Qualeams
در دسترس در
ایمن و سریع APK دانلود در APKPure
APKPure از تأیید امضای نرم‌افزار برای اطمینان از دانلودهای بدون ویروس APK Face Recognition استفاده می‌کند.

نسخه‌های قدیمی Face Recognition

دانلود فوق سریع و ایمن از طریق برنامه APKPure

برای نصب فایل های XAPK/APK در اندروید با یک کلیک!

دانلود APKPure
گزارش امنیت

Face Recognition

1.5.1

این گزارش امنیتی به زودی در دسترس خواهد بود. در این میان، لطفاً توجه داشته باشید که این برنامه آزمایش های اولیه امنیتی APKPure را پس داده است.

SHA256:

a6fe4cdb772a3ee715ec6623421a8c1d8e98a510ba852d0d1db0134f3c270f8c

SHA1:

f2eec606e485aa84f4fa736b76a69a1d189c0d39