Sistema de reconocimiento facial DFace v0.5

DFace es un sistema de reconocimiento y detección de rostros de aprendizaje profundo de código abierto. Todas las funciones se desarrollan utilizando el marco pytorch. Pytorch es un marco de aprendizaje profundo desarrollado por Facebook. Contiene algunas características avanzadas interesantes, como derivación automática, composición dinámica, etc. DFace hereda naturalmente estas ventajas, lo que hace que su proceso de capacitación sea más simple y conveniente, y que el código implementado sea más claro y fácil de entender. DFace puede aprovechar CUDA para admitir el modo de aceleración de GPU. Recomendamos probar el modo GPU de Linux, que puede lograr efectos casi en tiempo real.

Si está interesado en DFace y desea participar en este proyecto, las siguientes TODO son algunas funciones que deben implementarse

1. Desarrolle la función de comparación de caras basada en el principio de pérdida central o pérdida triplete, y el modelo utiliza ResNet inception v2. Esta función compara la similitud de dos imágenes de rostros. Para obtener más información, consulte Paper y FaceNet.

2. Función antifraude, que previene ataques de fotografías, ataques de video, ataques de reproducción, etc. en función de características de la cara como la luz y la textura. Para obtener más información, consulte el algoritmo LBP y el modelo de entrenamiento SVM.

3. Cara 3D antifraude.

4. Trasplante móvil: migre el modelo entrenado con pytorch a caffe2 de acuerdo con el estándar ONNX, y algunos algoritmos numerosos se implementan en c ++.

5. Trasplante de RT tensorial, alta concurrencia.

6. Compatibilidad con Docker, versión gpu

Instalar

DFace tiene principalmente dos módulos, detección de rostros y reconocimiento de rostros. Proporcionaré pasos detallados para entrenar y ejecutar todos los modelos. Primero debe crear un entorno Python para pytorch y cv2. Recomiendo usar Anaconda para configurar un entorno virtual independiente. Si utiliza el modo de entrenamiento de GPU, debe instalar cuda y cudnn de Nvidia. Actualmente, el autor prefiere el entorno de instalación Linux Ubuntu. Gracias al entusiasta internauta por brindar la experiencia de instalación de Windows DFace. Para obtener un tutorial detallado sobre la instalación de Windows, consulte su blog.

confiar

cuda 8.0

anaconda

pytorch

visión de antorcha

cv2

matplotlib