الصفحة الرئيسية>المتعلقة بالبرمجة>بايثون
تنزيل

dface •

Linux CPU Linux GPU Mac OS CPU Windows CPU

الكشف عن الوجه المجاني والمفتوح المصدر. بناء على mtcnn

الموقع الرسمي (https://dface.tech)

نحن نقدم أيضًا Face Face Confer SDK ، ويحتوي على التتبع ، والكشف ، والتعرف على الوجه ، والوجه المضاد للارتفاع وما إلى ذلك. انظر dface.tech للحصول على التفاصيل.

Dface هو برنامج مفتوح المصدر للكشف عن الوجه والتعرف عليه. جميع الميزات التي تنفذها Pytorch (Facebook Deeplearning Framework). مع Pytorch ، نستخدم تقنية تسمى التكيف التلقائي للوضع العكسي ، والتي تتيح للمطور تغيير الطريقة التي تتصرف بها شبكتك بشكل تعسفي مع صفر أو تكاليف. يرث Dface هذه الخصائص المتقدمة ، والتي تجعلها ديناميكية وسهولة مراجعة الكود.

تدعم Dface تسريع GPU مع Nvidia CUDA. نوصي بشدة باستخدام إصدار Linux GPU. إنه سريع للغاية وحقيقي للغاية.

يأتي مصدر إلهامنا من العديد من الأوراق البحثية حول هذا الموضوع ، بالإضافة إلى العمل الحالي والس الماضي مثل اكتشاف الوجه المشترك والمحاذاة باستخدام شبكات تلافيفية متعددة المهام وموضوع التعرف على الوجه: تضمين موحد للاعتراف بالوجه والتجميع

هيكل MTCNN

إذا كنت ترغب في المساهمة في DFACE ، فيرجى مراجعة المساهمة. كما يمكنك متابعة QQ Group 681403076 أو WeChat Jinkuaikuai005

TODO (المساهمة في DFACE)

  • بناءً على خسارة Cener أو خسارة ثلاثية تنفيذ Face Conpare. النموذج الموصى به هو RESNET Inception V2. راجع هذه الورقة و faceNet
  • مواجهة مضادة للضوء ، تميز عن الضوء والملمس。 recomend مع خوارزمية LBP و SVM.
  • قناع ثلاثي الأبعاد مضاد للربح.
  • الجوال أولاً مع CAFFE2 و C ++.
  • Tensor RT Migration.
  • دعم Docker ، إصدار GPU

تثبيت

لدى Dface وحدة رئيسية ، الكشف والتعرف على هذين ، نقدم جميع البرامج التعليمية حول كيفية تدريب نموذج وتشغيل. أول تعيين pytorch و CV2. نقترح أناكوندا لصنع بيثون افتراضي ومستقل. إذا كنت ترغب في التدريب على GPU ، فيرجى تثبيت Nvidia Cuda و Cudnn.

متطلبات

  • CUDA 8.0
  • أناكوندا
  • Pytorch
  • Torchvision
  • CV2
  • Matplotlib 
git clone https://github.com/kuaikuaikim/dface.git

كما نقدم قائمة تبعية للبيئة ANACONDA تسمى البيئة. يمكنك إنشاء بيئة Dface الخاصة بك بسهولة بالغة. 

 cd DFace

conda env create -f path/to/environment.yml

أضف Dface إلى مسار Python المحلي الخاص بك 

 export PYTHONPATH= $PYTHONPATH :{your local DFace root path}

اكتشاف الوجه والاعتراف

إذا كنت مهتمًا بكيفية تدريب نموذج MTCNN ، فيمكنك اتباع الخطوة التالية.

تدريب نموذج MTCNN

تحتوي MTCNN على ثلاث شبكات تسمى PNET و RNET و ONET . لذا يجب علينا تدريبها على ثلاث مراحل ، ويعتمد كل مرحلة على الشبكة السابقة التي ستقوم بإنشاء بيانات القطار لتغذية شبكة القطار الحالية ، كما تدفع الحد الأدنى من الخسارة بين شبكتين. يرجى تنزيل مجموعات بيانات القطار قبل التدريب. نستخدم الوجه الأوسع و Celeba . يتم استخدام الوجه Wider لتدريب تصنيف الوجه وصندوق الاستعداد للوجه ، كما يتم استخدام Celeba في معالم الوجه. ملف التعليق التوضيحي الأوسع الأوسع هو تنسيق MATLAB ، يجب عليك تحويله إلى نص. لقد وضعت ملف نص التعليق التوضيحي المحول في anno_store/wider_origin_anno.txt. يرتبط هذا الملف بالمعلمة التالية التي تسمى -anno_file.

  • قم بإنشاء مجلد Dface Train Data المؤقت ، ويشارك هذا المجلد في المعلمة التالية -dface_traindata_store 
mkdir {your dface traindata folder}
  • إنشاء بيانات قطار PNET وملف التعليقات التوضيحية 
python dface/prepare_data/gen_Pnet_train_data.py --prefix_path {annotation file image prefix path, just your local wider face images folder} --dface_traindata_store  {dface train data temporary folder you made before }  --anno_file ｛wider face original combined  annotation file, default anno_store/wider_origin_anno.txt}
  • تجميع ملف التعليقات التوضيحية وخلطه 
python dface/prepare_data/assemble_pnet_imglist.py
  • تدريب نموذج PNET 
python dface/train_net/train_p_net.py
  • قم بإنشاء بيانات قطار RNET وملف التعليقات التوضيحية 
python dface/prepare_data/gen_Rnet_train_data.py --prefix_path {annotation file image prefix path, just your local wider face images folder} --dface_traindata_store {dface train data temporary folder you made before } --anno_file ｛wider face original combined  annotation file, default anno_store/wider_origin_anno.txt} --pmodel_file {your PNet model file trained before}
  • تجميع ملف التعليقات التوضيحية وخلطه 
python dface/prepare_data/assemble_rnet_imglist.py
  • تدريب نموذج RNET 
python dface/train_net/train_r_net.py
  • إنشاء بيانات قطار ONET وملف التعليقات التوضيحية 
python dface/prepare_data/gen_Onet_train_data.py --prefix_path {annotation file image prefix path, just your local wider face images folder} --dface_traindata_store {dface train data temporary folder you made before } --anno_file ｛wider face original combined  annotation file, default anno_store/wider_origin_anno.txt} --pmodel_file {your PNet model file trained before} --rmodel_file {your RNet model file trained before}
  • إنشاء بيانات معالم قطار ONET 
python dface/prepare_data/gen_landmark_48.py
  • تجميع ملف التعليقات التوضيحية وخلطه 
python dface/prepare_data/assemble_onet_imglist.py
  • طراز ONET تدريب 
python dface/train_net/train_o_net.py

اختبار الكشف عن الوجه

إذا كنت لا ترغب في التدريب ، فقد وضعت onet_epoch.pt ، pnet_epoch.pt ، rnet_epoch.pt في المجلد model_store. أنت فقط حاول test_image.py 

python test_image.py

العرض التوضيحي

QQ 交流群

681403076

本人微信 (WeChat)

Cobbestne

رخصة

ترخيص Apache 2.0

مرجع

  • Openface
يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل