2 augusti, 2019 Inopto_AB

tensorflow 얼굴인식 예제

얼굴 인식 시스템은 사람의 얼굴 기능을 사용하여 이미지 또는 비디오에서 사람의 얼굴을 식별하는 데 사용됩니다. 딥 러닝 알고리즘을 사용하여 얼굴 인식 모델을 만듭니다. 컨볼루션 신경망을 사용하여 사람의 얼굴을 감지합니다. [1] https://github.com/davidsandberg/facenet [2] https://github.com/AISangam/Facenet-Real-time-face-recognition-using-deep-learning-Tensorflow [3] https://arxiv.org/pdf/1503.03832.pdf [4] https://arxiv.org/pdf/1604.02878.pdf 하나 위의 접근 방식의 문제는 Dlib 얼굴 검출기가 하드 예제 (부분 오클루전, 실루엣 등)를 놓친 것으로 보입니다. 이렇게 하면 학습 집합이 너무 ”쉬워서 모델이 다른 벤치마크에서 성능이 나빠질 수 있습니다. 이 문제를 해결하기 위해 다른 얼굴 랜드 마크 검출기가 테스트되었습니다. 이 설정에서 매우 잘 작동하는 것으로 입증 된 하나의 얼굴 랜드 마크 검출기는 멀티 태스크 CNN입니다. Matlab/Caffe 구현은 여기에서 찾을 수 있으며 이는 매우 좋은 결과와 얼굴 정렬에 사용되었습니다. MTCNN의 파이썬/텐서플로우 구현은 여기에서 확인할 수 있습니다.

이 구현은 Matlab/Caffe 구현과 동일한 결과를 제공하지 않지만 성능은 매우 유사합니다. 계산을 수행하는 데 사용되는 Tensorflow 함수에 익숙하지 않은 경우 코드에 대한 이해가 향상되기 때문에 설명서 (각 함수에 대한 링크를 추가한)를 읽는 것이 좋습니다. 그러나 그림 1의 방정식과 함수를 비교하는 것으로 충분합니다. 이것은 ”FaceNet: 얼굴 인식 및 클러스터링을 위한 통합 포함”이라는 논문에 설명된 얼굴 인식기의 TensorFlow 구현입니다. 이 프로젝트는 또한 옥스포드의 시각적 지오메트리 그룹에서 종이 ”깊은 얼굴 인식”에서 아이디어를 사용합니다. 구현에서는 Keras와 Tensorflow를 사용할 예정입니다. 또한 deeplearning.ai의 리포지토리에서 얻은 두 개의 유틸리티 파일을 사용하여 FaceNet 네트워크와의 모든 상호 작용을 추상화합니다.: 얼굴 인식은 개인의 얼굴 특징을 매핑하고 데이터를 얼굴 인쇄로 유지합니다. 이 소프트웨어는 딥 러닝 알고리즘을 사용하여 사람의 보관된 디지털 이미지 또는 사람의 얼굴을 실시간으로 캡처하여 얼굴 인쇄와 대조하여 개인의 신원을 인증합니다. 내 마지막 튜토리얼에서, 당신은 컨볼루션 신경망과 그들 뒤에 이론에 대해 배웠습니다. 이 자습서에서는 컨볼루션 신경망을 사용하여 텐서플로우, Dlib 및 Docker를 사용하여 얼굴 인식을 수행하는 방법을 배웁니다. 이 자습서에서는 기계 학습의 역사와 최첨단 파이프라인을 구현하는 방법에 대해 배웠습니다. docker를 사용하여 라이브러리 종속성을 관리하여 플랫폼에 구애받지 않는 일관된 환경을 제공합니다.

Dlib를 전처리에 사용하고 이미지를 기반으로 ID를 예측할 수 있는 분류기를 학습하기 위해 텐서플로우 + Scikit 학습을 사용했습니다. 아래에서는 Tensorflow의 큐 API를 사용하여 처리된 전처리된 이미지를 병렬로 로드합니다. 큐를 사용하면 멀티 스레딩을 사용하여 이미지를 병렬로 로드할 수 있습니다. GPU를 사용하는 경우 CPU에서 이미지 전처리를 수행할 수 있으며 GPU에서는 매트릭스 곱셈이 수행됩니다. 티르미지 아플라히가 만든 프레임워크를 통해 텐서플로우와 페이스넷을 구현해 봅시다. 이 자습서에서는 텐서플로우 백엔드가 있는 Keras를 사용하여 웹캠에서 라이브 피드를 처리할 수 있는 FaceNet 모델을 구현합니다.

Kontakta oss!