Face Recognition

El reconocimiento facial puede ser utilizado como un marco de prueba para varios métodos de reconocimiento facial incluyendo las Redes Neuronales con TensorFlow y Caffe.

Incluye siguientes algoritmos de procesamiento previo:
- Escala de grises
- cultivos
- La alineación de los ojos
- Corrección gamma
- Diferencia de gaussianas
- Canny-Filter
- patrón binario local
- Histograma de ecualización (sólo se puede utilizar si se utiliza la escala de grises también)
- Cambiar el tamaño

Puede elegir entre los siguientes métodos de extracción de características y clasificación:
- Eigenfaces con el vecino más cercano
- Remodelación de imagen con la máquina de vectores de soporte
- TensorFlow con SVM o KNN
- Caffe con SVM o KNN

El manual se puede encontrar aquí https://github.com/Qualeams/Android-Face-Recognition-with-Deep-Learning/blob/master/USER%20MANUAL.md

Por el momento sólo se admiten dispositivos armeabi-V7A y hacia arriba.

Para una mejor experiencia en el modo de reconocimiento girar el dispositivo hacia la izquierda.
_______________________________________________________________

TensorFlow:

Si desea utilizar el modelo Tensorflow Inception5h, descargarlo desde aquí:
https://storage.googleapis.com/download.tensorflow.org/models/inception5h.zip

A continuación, copie el archivo "tensorflow_inception_graph.pb" a "/ sdcard / Fotos / facerecognition / datos / TensorFlow"

Utilice esta configuración predeterminada para un comienzo:
La cantidad de clases: 1001 (no es relevante ya que no utilizamos la última capa)
Tamaño de entrada: 224
media Image: 128
Tamaño de salida: 1024
capa de entrada: Entrada de
capa de salida: avgpool0
archivo de modelo: tensorflow_inception_graph.pb
-------------------------------------------------- -------------------------------------------------- -----
Si desea utilizar el modelo de VGG Cara de descriptores, descargarlo desde aquí:
https://www.dropbox.com/s/51wi2la5e034wfv/vgg_faces.pb?dl=0

Precaución: Este modelo se ejecuta sólo en dispositivos con al menos 3 GB o RAM.

A continuación, copie el archivo "vgg_faces.pb" a "/ sdcard / Fotos / facerecognition / datos / TensorFlow"

Utilice esta configuración predeterminada para un comienzo:
La cantidad de clases: 1000 (no es relevante ya que no utilizamos la última capa)
Tamaño de entrada: 224
media Image: 128
Tamaño de salida: 4096
capa de entrada: Marcador de posición
capa de salida: fc7 / fc7
archivo de modelo: vgg_faces.pb
_______________________________________________________________

Caffe:

Si desea utilizar el modelo de VGG Cara de descriptores, descargarlo desde aquí:
http://www.robots.ox.ac.uk/~vgg/software/vgg_face/src/vgg_face_caffe.tar.gz

Precaución: Este modelo se ejecuta sólo en dispositivos con al menos 3 GB o RAM.

A continuación, copie los archivos "VGG_FACE_deploy.prototxt" y "VGG_FACE.caffemodel" a "/ sdcard / Fotos / facerecognition / datos / caffe"

Utilice esta configuración predeterminada para un comienzo:
Los valores medios: 104, 117, 123
capa de salida: fc7
archivo de modelo: VGG_FACE_deploy.prototxt
presentar pesos: VGG_FACE.caffemodel

_______________________________________________________________

Los archivos de licencia se pueden encontrar aquí y aquí https://github.com/Qualeams/Android-Face-Recognition-with-Deep-Learning/blob/master/LICENSE.txt https://github.com/Qualeams/Android- de reconocimiento facial-con-profundo-Learning / blob / master / NOTICE.txt