Face Recognition

Rozpoznawanie twarzy może być stosowany jako ramy testowej dla kilku metod rozpoznawania twarzy w tym sieci neuronowych z TensorFlow i Caffe.

Obejmuje ona następujące algorytmy wstępnego przetwarzania:

- Skala szarości

- Przyciąć

- Wyrównanie oczu

- Korekcja gamma

- Różnica Gaussians

- Canny-Filter

- Lokalna Binary Wzór

- histogram Wyrównanie (może być stosowany tylko wtedy, gdy jest używany zbyt skali szarości)

- Zmień rozmiar

Można wybrać jedną z następujących metod ekstrakcji funkcja i klasyfikacja:

- Eigenfaces z Najbliższy sąsiad

- Obraz z Przekształcanie maszyny wektorów nośnych

- TensorFlow z SVM lub KNN

- Caffe z SVM lub KNN

W podręczniku można znaleźć tutaj https://github.com/Qualeams/Android-Face-Recognition-with-Deep-Learning/blob/master/USER%20MANUAL.md

W tej chwili tylko urządzenia armeabi-v7a i starszych są obsługiwane.

Dla najlepszych doświadczeń w trybie rozpoznawania obrócić urządzenie w lewo.

_______________________________________________________________

TensorFlow:

Jeśli chcesz użyć modelu Tensorflow Inception5h, pobrać stąd:

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

Następnie należy skopiować plik "tensorflow_inception_graph.pb" na "/ sdcard / Zdjęcia / facerecognition / data / TensorFlow"

Użyj tych ustawień domyślnych na początek:

Liczba klas: 1001 (nie ma znaczenia, jak nie używamy ostatnią warstwę)

Rozmiar wejścia: 224

Średni zdjęcie: 128

Wielkość wyjściowa: 1024

warstwa wejściowa: wejście

Warstwa wyjściowa: avgpool0

Plik Model: tensorflow_inception_graph.pb

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

Jeśli chcesz użyć modelu VGG twarzy deskryptora, pobrać stąd:

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

Uwaga: Model ten działa tylko w urządzeniach z co najmniej 3 GB lub RAM.

Następnie należy skopiować plik "vgg_faces.pb" na "/ sdcard / Zdjęcia / facerecognition / data / TensorFlow"

Użyj tych ustawień domyślnych na początek:

Liczba klas: 1000 (nie ma znaczenia, jak nie używamy ostatnią warstwę)

Rozmiar wejścia: 224

Średni zdjęcie: 128

Wielkość wyjściowa: 4096

warstwa wejściowa: Zastępczy

Warstwa wyjściowa: FC7 / FC7

Plik Model: vgg_faces.pb

_______________________________________________________________

Caffe:

Jeśli chcesz użyć modelu VGG twarzy deskryptora, pobrać stąd:

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

Uwaga: Model ten działa tylko w urządzeniach z co najmniej 3 GB lub RAM.

Następnie skopiuj pliki "VGG_FACE_deploy.prototxt" i "VGG_FACE.caffemodel" na "/ sdcard / Zdjęcia / facerecognition / data / caffe"

Użyj tych ustawień domyślnych na początek:

średnie wartości: 104, 117, 123

Warstwa wyjściowa: FC7

Plik Model: VGG_FACE_deploy.prototxt

złożyć ciężary: VGG_FACE.caffemodel

_______________________________________________________________

Pliki licencji można znaleźć tutaj i tutaj https://github.com/Qualeams/Android- https://github.com/Qualeams/Android-Face-Recognition-with-Deep-Learning/blob/master/LICENSE.txt rozpoznawania twarzy-z-deep-learning / blob / master / NOTICE.txt