Sistem pengenalan wajah DFace v0.5

DFace adalah sistem deteksi wajah dan pengenalan wajah pembelajaran mendalam sumber terbuka. Semua fungsi dikembangkan menggunakan kerangka pytorch. Pytorch adalah kerangka pembelajaran mendalam yang dikembangkan oleh Facebook. Ini berisi beberapa fitur lanjutan yang menarik, seperti derivasi otomatis, komposisi dinamis, dll. DFace secara alami mewarisi keunggulan ini, membuat proses pelatihannya lebih sederhana dan nyaman, serta kode yang diterapkan lebih jelas dan mudah dipahami. DFace dapat memanfaatkan CUDA untuk mendukung mode akselerasi GPU. Kami merekomendasikan untuk mencoba mode GPU Linux, yang dapat mencapai efek hampir real-time.

Jika Anda tertarik dengan DFace dan ingin berpartisipasi dalam proyek ini, berikut TODO adalah beberapa fungsi yang perlu diterapkan

1. Mengembangkan fungsi perbandingan wajah berdasarkan prinsip center loss atau triplet loss, dan modelnya menggunakan ResNet inception v2. Fitur ini membandingkan kemiripan dua gambar wajah. Untuk detailnya, silakan merujuk ke Paper dan FaceNet

2. Fungsi anti-penipuan, yang mencegah serangan foto, serangan video, serangan pemutaran, dll berdasarkan karakteristik wajah seperti cahaya dan tekstur. Untuk lebih jelasnya silakan merujuk pada algoritma LBP dan model pelatihan SVM.

3. Wajah 3D anti penipuan.

4. Transplantasi seluler: memigrasikan model yang dilatih pytorch ke caffe2 sesuai dengan standar ONNX, dan beberapa algoritma numpy diimplementasikan di c++.

5. Transplantasi Tensor RT, konkurensi tinggi.

6. Dukungan Docker, versi GPU

Memasang

DFace terutama memiliki dua modul, deteksi wajah dan pengenalan wajah. Saya akan memberikan langkah-langkah rinci untuk melatih dan menjalankan semua model. Anda harus terlebih dahulu membangun lingkungan python untuk pytorch dan cv2. Saya sarankan menggunakan Anaconda untuk menyiapkan lingkungan virtual independen. Jika Anda menggunakan mode pelatihan GPU, Anda perlu menginstal cuda dan cudnn Nvidia. Penulis saat ini lebih memilih lingkungan instalasi Linux Ubuntu. Terima kasih kepada netizen yang antusias memberikan pengalaman instalasi windows DFace. Untuk tutorial instalasi windows secara detail, silakan merujuk ke blognya.

mengandalkan

cuda 8.0

anakonda

pytorch

visi obor

cv2

matplotlib