Face Recognition

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