Face Recognition può essere utilizzato come un quadro di prova per i metodi di riconoscimento facciale

Face Recognition può essere utilizzato come un quadro di prova per diversi metodi di riconoscimento dei volti, tra cui le reti neurali con tensorflow e Caffe.

Esso comprende seguenti algoritmi di pre-elaborazione:

- scala di grigi

- Raccolto

- Allineamento Eye

- Correzione gamma

- Differenza di gaussiane

- Canny-Filter

- modello binario locale

- Histogramm equalizzazione (può essere utilizzato solo se si utilizza troppo in scala di grigi)

- Ridimensiona

È possibile scegliere tra i seguenti metodi di estrazione e classificazione caratteristica:

- Eigenfaces con Nearest Neighbor

- Immagine Rimodellare con Support Vector Machine

- tensorflow con SVM o KNN

- Caffe con SVM o KNN

Il manuale può essere trovato qui https://github.com/Qualeams/Android-Face-Recognition-with-Deep-Learning/blob/master/USER%20MANUAL.md

Al momento sono supportati solo dispositivi armeabi-V7A e oltre.

Per la migliore esperienza in modalità di riconoscimento ruotare il dispositivo verso sinistra.

_______________________________________________________________

tensorflow:

Se si desidera utilizzare il modello tensorflow Inception5h, scaricarlo da qui:

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

Quindi copiare il file "tensorflow_inception_graph.pb" a "/ sdcard / Immagini / facerecognition / dati / tensorflow"

Utilizzare queste impostazioni predefinite per un inizio:

Numero di classi: 1001 (non rilevante come non usiamo l'ultimo strato)

Ingresso Dimensione: 224

Immagine media: 128

formato di uscita: 1024

strato Input:

strato di uscita: avgpool0

File Modello: tensorflow_inception_graph.pb

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

Se si desidera utilizzare il modello VGG Volto descrittore, scaricarlo da qui:

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

Avvertenza: Questo modello funziona solo su dispositivi con almeno 3 GB di RAM.

Quindi copiare il file "vgg_faces.pb" a "/ sdcard / Immagini / facerecognition / dati / tensorflow"

Utilizzare queste impostazioni predefinite per un inizio:

Numero di classi: 1000 (non rilevante come non usiamo l'ultimo strato)

Ingresso Dimensione: 224

Immagine media: 128

formato di uscita: 4096

strato di input: segnaposto

strato di uscita: FC7 / FC7

File Modello: vgg_faces.pb

_______________________________________________________________

Caffe:

Se si desidera utilizzare il modello VGG Volto descrittore, scaricarlo da qui:

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

Avvertenza: Questo modello funziona solo su dispositivi con almeno 3 GB di RAM.

Quindi copiare i file "VGG_FACE_deploy.prototxt" e "VGG_FACE.caffemodel" a "/ sdcard / Immagini / facerecognition / dati / caffe"

Utilizzare queste impostazioni predefinite per un inizio:

valori medi: 104, 117, 123

strato di uscita: FC7

File Modello: VGG_FACE_deploy.prototxt

file dei pesi: VGG_FACE.caffemodel

_______________________________________________________________

I file di licenza possono essere trovati qui https://github.com/Qualeams/Android-Face-Recognition-with-Deep-Learning/blob/master/LICENSE.txt e qui https://github.com/Qualeams/Android- face-Recognition-con-Deep-Learning / blob / master / NOTICE.txt