2022-01-21 19:51:59 索炜达电子 597
文件编号:A209
文件大小:93M
开发环境:Python3.8、OpenCV4.5
猿创承诺:该项目亲测正常运行,需远程调试部署需另外收费,确保正常使用,不能正常使用全额退款。
简要概述:Keras用于实现受OpenFace项目启发的CNN模型。该模型是NN4体系结构的一个变体,标识为NN4。OpenFace项目中的small2模型。模型训练的目的是学习相同身份的所有人脸之间的L2距离较小,来自不同身份的一对人脸之间的距离较大的图像的嵌入。通过选择合适的阈值,该模型可以识别自己数据集中的人脸。请注意,此模型可以在CPU上运行。
安装所需的软件包
opencv 3.8、keras 2.2.4、dlib 19.4.0、tqdm 4.31.1、pandas 0.23.4、scipy 1.2.0
使生效
准备训练图像
在文件夹图像中,有一些文件夹包含我们想要识别的人的图像。每个文件夹有5张一个人的图像。如果你想拥有更多的人,只需创建文件夹并将图像放入其中。建议每人至少有5张图像,每个人的图像数量应相等。
用于训练的图像应该只有一张人脸。
图像文件必须是.jpg格式。
运行人脸检测和保存。皮耶。它将浏览图像文件夹中的图像,检测人脸并保存(替换完整图像)。
训练和测试
-初始化模型。
-加载用于训练的图像。
-开始训练并保存训练。EMB作为输出(用于即时使用,无需后续训练)。
-绘制一张图表,显示匹配和非匹配训练图像之间的距离差异。-可以选择阈值来分离匹配面和不匹配面。修改中第137行中的阈值main.py
-使用“测试图像”文件夹中的图像进行测试。你可以把这部分分开。py文件,只需加载train.embs.。
-用于测试的图像可以有多个人脸。不在训练数据中的人的脸将显示为“未知”。
按需写作:
演示视频:
点击查看:系统演示视频
运行结果:
远程协助:
温馨提示:索炜达.猿创官方提供收费远程协助,确保您项目运行成功。
点击查看:远程协助相关事项
我们提供完整项目文件清单如下:
文件目录
├ 1.项目源码
├ 2.运行截图
└ 3.演示视频