Face Recognition

Reconhecimento Facial pode ser usado como um quadro de teste para os métodos de reconhecimento facial

Reconhecimento Facial pode ser usado como um quadro de teste para vários métodos de reconhecimento de face, incluindo as Redes Neurais com TensorFlow e Caffe.

Ele inclui seguintes algoritmos de pré-processamento:

- Grayscale

- Colheita

- Alinhamento dos olhos

- Correção de gama

- Diferença de gaussianas

- Canny-Filter

- padrão binário local

- Histogramm Equalização (só pode ser usado se em tons de cinza é usado também)

- Redimensionar

Você pode escolher entre os seguintes métodos de extração de características e classificação:

- Eigenfaces com vizinho mais próximo

- Imagem Reshaping com máquina de Support Vector

- TensorFlow com SVM ou KNN

- Caffe com SVM ou KNN

O manual pode ser encontrada aqui https://github.com/Qualeams/Android-Face-Recognition-with-Deep-Learning/blob/master/USER%20MANUAL.md

Neste momento, apenas dispositivos armeabi-v7a e para cima são suportados.

Para uma melhor experiência em modo de reconhecimento de girar o dispositivo para a esquerda.

_______________________________________________________________

TensorFlow:

Se você quiser usar o modelo Tensorflow Inception5h, baixá-lo aqui:

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

Em seguida, copie o arquivo "tensorflow_inception_graph.pb" para "/ sdcard / Fotos / FaceRecognition / data / TensorFlow"

Use essas configurações padrão para um começo:

Número de classes: 1001 (não é relevante, já que não usar a última camada)

Input Tamanho: 224

média imagem: 128

tamanho de saída: 1024

camada de entrada: entrada

camada de saída: avgpool0

arquivo de modelo: tensorflow_inception_graph.pb

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

Se você quiser usar o modelo VGG face descritor, baixá-lo aqui:

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

Atenção: Este modelo é executado somente em dispositivos com pelo menos 3 GB ou RAM.

Em seguida, copie o arquivo "vgg_faces.pb" para "/ sdcard / Fotos / FaceRecognition / data / TensorFlow"

Use essas configurações padrão para um começo:

Número de classes: 1000 (não é relevante, já que não usar a última camada)

Input Tamanho: 224

média imagem: 128

tamanho de saída: 4096

camada de entrada: marcador de posição

camada de saída: FC7 / FC7

arquivo de modelo: vgg_faces.pb

_______________________________________________________________

Caffe:

Se você quiser usar o modelo VGG face descritor, baixá-lo aqui:

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

Atenção: Este modelo é executado somente em dispositivos com pelo menos 3 GB ou RAM.

Em seguida, copie os arquivos "VGG_FACE_deploy.prototxt" e "VGG_FACE.caffemodel" para "/ sdcard / Fotos / FaceRecognition / data / caffe"

Use essas configurações padrão para um começo:

Os valores médios: 104, 117, 123

camada de saída: FC7

arquivo de modelo: VGG_FACE_deploy.prototxt

arquivo pesos: VGG_FACE.caffemodel

_______________________________________________________________

Os arquivos de licença pode ser encontrada aqui https://github.com/Qualeams/Android-Face-Recognition-with-Deep-Learning/blob/master/LICENSE.txt e aqui https://github.com/Qualeams/Android- Face-Reconhecimento-com-Deep-Learning / blob / master / NOTICE.txt