Face Recognition

Face Recognition peut être utilisé comme un cadre d'essai pour les méthodes de reconnaissance faciale

La reconnaissance du visage peut être utilisé comme un cadre de test pour plusieurs méthodes de reconnaissance des visages, y compris les réseaux de neurones avec tensorflow et Caffe.

Il comprend des algorithmes de pré-traitement suivants:

- Niveaux de gris

- culture

- Alignement des yeux

- Correction gamma

- Différence gaussienne

- Canny-Filter

- Motif binaire local

- Histogramme égalisation (ne peut être utilisé que si en niveaux de gris est utilisé aussi)

- Redimensionner

Vous pouvez choisir parmi les méthodes d'extraction et de classification de caractéristiques suivantes:

- Eigenfaces avec le plus proche voisin

- Photo Remodeler avec Support Vector Machine

- tensorflow avec ou SVM KNN

- Caffe avec ou SVM KNN

Le manuel est disponible ici https://github.com/Qualeams/Android-Face-Recognition-with-Deep-Learning/blob/master/USER%20MANUAL.md

À l'heure actuelle seuls les appareils armeabi-V7A et plus sont pris en charge.

Pour une meilleure expérience en mode de reconnaissance tourner le dispositif à gauche.

_______________________________________________________________

tensorflow:

Si vous voulez utiliser le modèle tensorflow Inception5h, le télécharger ici:

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

Ensuite, copiez le fichier "tensorflow_inception_graph.pb" à "/ sdcard / Photos / facerecognition / data / tensorflow"

Utilisez ces paramètres par défaut pour un début:

Nombre de classes: 1001 (pas pertinente car nous ne pas utiliser la dernière couche)

Taille d'entrée: 224

Image moyenne: 128

Taille de sortie: 1024

Couche d'entrée: Entrée

Couche de sortie: avgpool0

Fichier de modèle: tensorflow_inception_graph.pb

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

Si vous voulez utiliser le modèle visage VGG Descriptor, le télécharger ici:

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

Attention: Ce modèle ne fonctionne que sur les appareils avec au moins 3 Go ou RAM.

Ensuite, copiez le fichier "vgg_faces.pb" à "/ sdcard / Photos / facerecognition / data / tensorflow"

Utilisez ces paramètres par défaut pour un début:

Nombre de classes: 1000 (pas pertinente car nous ne pas utiliser la dernière couche)

Taille d'entrée: 224

Image moyenne: 128

Taille de sortie: 4096

couche d'entrée: Placeholder

Couche de sortie: FC7 / FC7

Fichier de modèle: vgg_faces.pb

_______________________________________________________________

Caffe:

Si vous voulez utiliser le modèle visage VGG Descriptor, le télécharger ici:

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

Attention: Ce modèle ne fonctionne que sur les appareils avec au moins 3 Go ou RAM.

Ensuite, copiez les fichiers "VGG_FACE_deploy.prototxt" et "VGG_FACE.caffemodel" à "/ sdcard / Photos / facerecognition / data / caffe"

Utilisez ces paramètres par défaut pour un début:

Les valeurs moyennes: 104, 117, 123

Couche de sortie: FC7

Fichier de modèle: VGG_FACE_deploy.prototxt

fichier Poids: VGG_FACE.caffemodel

_______________________________________________________________

Les fichiers de licence peuvent être trouvés ici et ici https://github.com/Qualeams/Android-Face-Recognition-with-Deep-Learning/blob/master/LICENSE.txt https://github.com/Qualeams/Android- face-reconnaissance avec-profonde apprentissage / blob / maître / NOTICE.txt