Face Detection App 1.5.3

Circa Face Detection App

Il rilevamento facciale è un'app gratuita per il riconoscimento facciale che utilizza un sistema di riconoscimento facciale con una tecnologia di deep learning per rendere il tuo dispositivo in grado di identificare o verificare una persona in tempo reale o da un'immagine digitale o da un fotogramma video da una sorgente video. I sistemi Android di riconoscimento facciale utilizzano algoritmi Opencv per scegliere dettagli specifici e distintivi sul volto di una persona. Il riconoscimento facciale Android legge la geometria del tuo viso. I fattori chiave includono la distanza tra gli occhi e la distanza dalla fronte al mento. L'app di rilevamento volti identifica i punti di riferimento facciali — un sistema ne identifica 68 e mdash; che sono fondamentali per distinguere il viso. Il risultato: la tua firma facciale per il deep learning per riconoscere i volti delle persone in futuro utilizzando solo il tuo telefono Android. I dati su un particolare volto sono spesso chiamati modello di volto ed è distinto da una fotografia perché è progettato per includere solo alcuni dettagli che possono essere utilizzati per i volti disgustosi. Il rilevamento del volto varia nella sua capacità di identificare le persone in condizioni difficili come scarsa illuminazione, risoluzione dell'immagine di bassa qualità e angolo di visione non ottimale (ad esempio in una fotografia scattata dall'alto guardando dall'alto su una persona sconosciuta). Il rilevamento facciale può essere utilizzato come framework di test per diversi metodi di riconoscimento facciale come le reti neurali con TensorFlow e Caffe. La fotocamera di rilevamento volti include i seguenti algoritmi di pre-elaborazione: - Scala di grigi - Coltivazione - Allineamento oculare - Correzione gamma - Differenza di Gaussiani - Filtro canny - Modello binario locale - Equalizzazione istogramma (può essere utilizzata solo se viene utilizzata anche la scala di grigi) - Ridimensionare Quando un volto viene catturato sulla fotocamera, la corrispondenza avviene in tempo reale e puoi iniziare ad addestrare il tuo dispositivo a identificare i volti utilizzando un sistema di deep learning da abbinare e consente il rilevamento facciale. È possibile scegliere tra i seguenti metodi di estrazione e classificazione delle feature: - Eigenfaces con il vicino più vicino - Rimodellamento dell'immagine con la macchina vettoriale di supporto - TensorFlow con SVM o KNN - Caffe con SVM o KNN Al momento sono supportati solo dispositivi armeabi-v7a e verso l'alto. Per la migliore esperienza in modalità di riconoscimento ruotare il dispositivo a sinistra. TensorFlow: Se si desidera utilizzare il modello Tensorflow Inception5h, scaricarlo da qui: https://storage.googleapis.com/download.tensorflow.org/models/inception5h.zip Copiare quindi il file "tensorflow_inception_graph.pb" in "/sdcard/Pictures/facerecognition/data/TensorFlow VGG: Ho se si desidera utilizzare il modello VGG Face Descriptor, scaricarlo da qui: https://www.dropbox.com/s/51wi2la5e034wfv/vgg_faces.pb?dl=0 Attenzione: questo modello viene eseguito solo su dispositivi con almeno 3 GB o RAM. Caffe: Se si desidera utilizzare il modello VGG Face Descriptor, scaricarlo da qui: http://www.robots.ox.ac.uk/~vgg/software/vgg_face/src/vgg_face_caffe.tar.gz app per il riconoscimento facciale ricerca di riconoscimento facciale software per il riconoscimento facciale test di riconoscimento facciale fotocamera per il riconoscimento facciale riconoscimento facciale online riconoscimento facciale androide app di riconoscimento facciale per android download gratuito app di riconoscimento facciale gratuita riconoscimento facciale tramite facenet riconoscimento facciale con python riconoscimento facciale con eigenfaces riconoscimento facciale con tensorflow caricamento riconoscimento facciale riconoscimento facciale utilizzando il deep learning riconoscimento facciale con OpenCV riconoscimento facciale utilizzando cnn riconoscimento facciale con foto riconoscimento facciale con eigenfaces riconoscimento facciale con tensorflow caricamento riconoscimento facciale riconoscimento facciale utilizzando il deep learning riconoscimento facciale con OpenCV riconoscimento facciale utilizzando cnn