DFace Gesichtserkennungssystem v0.5

DFace ist ein Open-Source-Deep-Learning-Gesichtserkennungs- und Gesichtserkennungssystem. Alle Funktionen werden mit dem Pytorch-Framework entwickelt. Pytorch ist ein von Facebook entwickeltes Deep-Learning-Framework. Es enthält einige interessante erweiterte Funktionen wie automatische Ableitung, dynamische Komposition usw. DFace erbt diese Vorteile natürlich, wodurch der Trainingsprozess einfacher und bequemer und der implementierte Code klarer und verständlicher wird. DFace kann CUDA nutzen, um den GPU-Beschleunigungsmodus zu unterstützen. Wir empfehlen, den Linux-GPU-Modus auszuprobieren, mit dem nahezu Echtzeiteffekte erzielt werden können.

Wenn Sie sich für DFace interessieren und an diesem Projekt teilnehmen möchten, sind die folgenden TODO einige Funktionen, die implementiert werden müssen

1. Entwickeln Sie die Gesichtsvergleichsfunktion basierend auf dem Zentrumsverlust- oder Triplettverlustprinzip, und das Modell verwendet ResNet Inception v2. Diese Funktion vergleicht die Ähnlichkeit zweier Gesichtsbilder. Einzelheiten finden Sie unter Paper und FaceNet

2. Anti-Betrugsfunktion, die Fotoangriffe, Videoangriffe, Wiedergabeangriffe usw. basierend auf Gesichtsmerkmalen wie Licht und Textur verhindert. Einzelheiten finden Sie im LBP-Algorithmus und im SVM-Trainingsmodell.

3. 3D-Gesicht zur Betrugsbekämpfung.

4. Mobile Transplantation: Migrieren Sie das mit Pytorch trainierte Modell gemäß dem ONNX-Standard nach caffe2, und einige Numpy-Algorithmen werden in C++ implementiert.

5. Tensor-RT-Transplantation, hohe Parallelität.

6. Docker-Unterstützung, GPU-Version

Installieren

DFace besteht hauptsächlich aus zwei Modulen: Gesichtserkennung und Gesichtserkennung. Ich werde detaillierte Schritte für das Training und den Betrieb aller Modelle bereitstellen. Sie müssen zunächst eine Python-Umgebung für Pytorch und CV2 erstellen. Ich empfehle die Verwendung von Anaconda, um eine unabhängige virtuelle Umgebung einzurichten. Wenn Sie den GPU-Trainingsmodus verwenden, müssen Sie cuda und cudnn von Nvidia installieren. Der Autor bevorzugt derzeit die Linux-Ubuntu-Installationsumgebung. Vielen Dank an den begeisterten Internetnutzer für die Bereitstellung der Windows DFace-Installationserfahrung. Das detaillierte Windows-Installations-Tutorial finden Sie in seinem Blog.

verlassen

cuda 8.0

Anakonda

Pytorch

Fackelvision

Lebenslauf 2

matplotlib