Face Recognition

sladomic

Libraries & Demo

ch.zhaw.facerecognition

Szembenéz Felismerés használható mint egy vizsgálat keretében több arc felismerés módszerek, beleértve a neurális hálózatok, a TensorFlow és a kávézó. Ez magában foglalja a következo elofeldolgozás algoritmusok: -Szürkeárnyalatos -A növény -Szem-igazítás -Gamma korrekció -A különbség a Gaussians -Ravasz-szuro -A helyi bináris mintázat -Histogramm kiegyenlítés (csak akkor használható ha szürkeárnyalatos is használatos) -Átméretezése A következo szolgáltatás-kitermelés és osztályozás módszerek közül választhat: -A legközelebbi Eigenfaces -Kép átalakítása, Support Vector Machine -TensorFlow SVM vagy KNN -Caffe SVM vagy KNN Az útmutató itt található https://github.com/Qualeams/Android-Face-Recognition-with-Deep-Learning/blob/master/USER%20MANUAL.md At a pillanatban csak armeabi-v7a eszközök és felfelé támogatott. A legjobb élményt a felismerési mód forgatni a bal oldalon a készülék. A legjobb teljesítmény érdekében használja a "Kép átalakítása, Support Vector Machine" (0,5 s / kép). A legnagyobb pontosság használja a "VGG arca leíró" modell (a teljesítmény azonban nagyon rossz - 6.5 s / kép) _______________________________________________________________ TensorFlow: Ha azt szeretné, hogy a Tensorflow Inception5h modell, letöltheto innen: https://Storage.googleapis.com/download.tensorflow.org/models/inception5h.zip Ezután másolja a fájlt "tensorflow_inception_graph.pb", "/ sdcard/képek/facerecognition/data/TensorFlow" Használja ezeket a beállításokat a kezdet: Óraszám: 1001 (nem releváns, mivel nem használjuk, az utolsó réteg) Bemenet mérete: 224 Kép azt jelenti: 128 Nyomat mérete: 1024 Bemeneti réteg: bemeneti Kimeneti réteg: avgpool0 Modell fájlt: tensorflow_inception_graph.pb --------------------------------------------------------------------------------------------------------- Ha azt szeretné, hogy a VGG arc leíró modell, letöltheto innen: https://www.Dropbox.com/s/51wi2la5e034wfv/vgg_faces.PB?DL=0 Figyelmeztetés: Ez a modell fut, csak az eszközök és legalább 3 GB RAM-mal. Ezután másolja a fájlt "vgg_faces.pb", "/ sdcard/képek/facerecognition/data/TensorFlow" Használja ezeket a beállításokat a kezdet: Osztályok száma: 1000 (nem releváns, mivel nem használjuk, az utolsó réteg) Bemenet mérete: 224 Kép azt jelenti: 128 Nyomat mérete: 4096 Bemeneti réteg: helyorzo Kimeneti réteg: fc7/fc7 Modell fájlt: vgg_faces.pb _______________________________________________________________ Kávézó: Ha azt szeretné, hogy a VGG arc leíró modell, letöltheto innen: http://www.robots.OX.ac.uk/~VGG/Software/vgg_face/src/vgg_face_caffe.tar.gz Figyelmeztetés: Ez a modell fut, csak az eszközök és legalább 3 GB RAM-mal. Majd másolja a fájlt "VGG_FACE_deploy.prototxt" és a "VGG_FACE.caffemodel", "/ sdcard/képek/facerecognition/data/Cafe" Használja ezeket a beállításokat a kezdet: Középérték: 104, 117, 123 Kimeneti réteg: fc7 Modell fájlt: VGG_FACE_deploy.prototxt Súlyok fájl: VGG_FACE.caffemodel _______________________________________________________________ Az engedély fájlokat megtalálható itt https://github.com/Qualeams/Android-Face-Recognition-with-Deep-Learning/blob/master/LICENSE.txt és itt https://github.com/Qualeams/Android-Face-Recognition-with-Deep-Learning/blob/master/NOTICE.txt



Flip Diving

Alphabetical

Genres