利用Tensorflow开发的脸部识别源代码。

5星

浏览量: 0

大小:None

文件类型：None

简介：
该代码在Ubuntu 14.04环境下，利用Python 2.7和Python 3.5版本，成功地在Tensorflow r1.7上进行了测试。代码设计中包含了详尽的测试用例，以确保其功能的可靠性。为了模型训练，采用了固定图像标准化方法。值得注意的是，WebFace数据集，由中国科学院自动化所提供，曾被广泛应用于训练过程中，包含总计453,453张图像和超过10,575个不同的身份。若在训练阶段对数据集进行预先筛选和过滤处理，则能够观察到性能的提升。关于如何执行此数据预处理操作的具体细节将在后续内容中详细阐述。此外，针对性能表现最优的模型，是在VGGFace2数据集上进行的训练工作，该数据集包含大约3.3百万张人脸图像以及9000个不同的类别。为了方便使用，提供了多个预训练模型供选择。务必留意的是，模型的输入图像必须经过固定图像标准化的处理才能获得最佳效果（例如，在运行时通过 `--use_fixed_image_standardization` 选项来启用）。

全部评论 (0)

还没有任何评论哟~

客服

TensorFlow的人脸识别源代码

优质

该文档提供了一份详细的TensorFlow人脸识别项目的源代码解析与教程，适合对深度学习和计算机视觉感兴趣的开发者和技术爱好者参考。在机器学习课程的人脸识别项目中，使用TensorFlow编写了源代码，并且参考cifar10的实现方式进行了设计。该代码可以直接运行，利用已有的人脸数据和身份标签训练卷积神经网络，在测试阶段输入新图片后可以输出相应的身份信息。

TensorFlow的人脸识别源代码

优质

这段简介可以描述为：TensorFlow人脸识别源代码提供了一个基于TensorFlow框架实现人脸检测和识别功能的程序代码。此项目能够帮助开发者快速构建并训练模型以识别人脸特征，适用于各种应用场景如安全登录、个性化推荐等。在机器学习课程的人脸识别项目中使用TensorFlow源代码，并仿照cifar10实现。该代码包含可以直接运行的数据集。通过已有的人脸数据和身份标签训练卷积神经网络，在测试阶段输入新图片，输出对应的个人身份信息。

使用TensorFlow的人脸识别代码

优质

本项目提供基于TensorFlow框架的人脸识别代码实现，涵盖模型训练、特征提取及面部检测等功能，适用于研究与开发场景。该代码使用Tensorflow r1.7在Ubuntu 14.04系统上通过Python 2.7和Python 3.5进行了测试，并包含有测试用例。模型采用固定图像标准化处理，训练过程中采用了中科院自动化所的WebFace数据集，此面部检测后得到的数据集中共有453,453张图片及超过10,575个身份信息。在正式开始训练前对数据进行过滤可以带来性能上的提升，具体操作将在后续说明中提供。最佳模型已经在VGGFace2数据集上进行了训练，该数据集包含约3.3M张面部图像和约9000种类别。提供了几个预训练的模型，并且需要注意的是输入到模型中的图片需要使用固定图像标准化进行处理（例如，在运行validate_on_lfw.py时可以使用--use_fixed_image_standardization选项）。

使用TensorFlow的人脸识别代码

优质

本项目利用TensorFlow框架实现人脸识别功能，包含详细代码及注释，适用于初学者快速入门和实践人脸识别技术。该代码使用Tensorflow r1.7版本，在Ubuntu 14.04系统上通过Python 2.7和Python 3.5进行了测试，并包含了一些测试用例。模型的输入图像需要经过固定图像标准化处理。训练过程中采用了中科院自动化所的WebFace数据集，包括了总共453,453张图片以及超过10,575个身份的信息。如果在训练前对数据进行过滤，则可以观察到性能上的改进，有关如何完成这一操作的具体信息将在后续提供。最佳模型已经在VGGFace2数据集上进行了训练，该数据集中包含约3.3M张面部图像和大约9000个类别。同时提供了几个预训练的模型选项。

基于TensorFlow的人脸识别源代码

优质

本项目提供了一套基于TensorFlow框架的人脸识别源代码，包括人脸检测、特征提取及比对等功能模块。适用于研究与实际应用开发。基于TensorFlow的人脸识别源代码提供了一种实现人脸识别功能的方法。该代码利用了TensorFlow框架的强大能力来处理图像数据，并通过深度学习技术实现了高效准确的人脸检测与识别。此项目适用于研究、开发以及实际应用中的多种场景，为开发者提供了宝贵的资源和起点。对于有兴趣深入了解或使用这一项目的读者来说，可以通过阅读官方文档及相关教程进一步掌握其原理及实现细节。同时也可以参与社区讨论来获取更多帮助和支持。

TensorFlow图像识别：利用TensorFlow进行图像识别开发

优质

本教程介绍如何使用TensorFlow框架进行图像识别项目的开发与实现，适合对深度学习和计算机视觉感兴趣的开发者。 TensorFlow与Kivy结合开发的实时图像识别应用程序可以打开相机捕获图像，并自动从图像中检测物体。该应用利用TensorFlow进行图像识别处理。

利用MATLAB的人脸识别源代码

优质

本项目提供了一套基于MATLAB的人脸识别源代码，涵盖人脸检测、特征提取和分类器训练等关键步骤，旨在为研究者与开发人员提供便捷的学习资源。这个项目包含的只有MATLAB文件，这些文件是基于MATLAB实现人脸识别功能的源码。

利用MATLAB的人脸识别源码

优质

这段简介可以描述为：利用MATLAB的人脸识别源码提供了基于MATLAB环境开发的人脸检测与识别算法代码，涵盖特征提取、模型训练及面部匹配等关键步骤。在MATLAB环境下的人脸识别全套源码包括人脸数据库以及详细的实验说明书（共11页，并附带截图），根据文档可以顺利运行并理解代码内容；所使用的特征提取方法为奇异值分解，分类器采用神经网络技术；希望这套资料能对大家有所帮助。

人脸识别：利用Python实现面部识别

优质

本项目运用Python编程语言及OpenCV库，致力于开发和展示人脸识别技术的实际应用。通过图像处理与机器学习算法，实现精准的人脸检测、跟踪和识别功能。适合对计算机视觉感兴趣的初学者探索实践。使用Python进行人脸识别可以通过识别双眼皮并计算眼皮褶皱峰以下的子单元与眉眼单元之间的垂直比例来实现。这一过程主要依赖于OpenCV库中的基于Haar特征的级联分类器对面部不同部分进行分类，以及利用CNN模型识别人脸的不同部位。执行环境： - 操作系统：Mac OSX 10.13.2 - 编辑工具：Ananconda Jupyter Notebook 所需Python软件包及安装命令如下： ``` pip install Pillow pip install matplotlib pip install opencv-python pip install face_recognition ``` 在安装`face_recognition`之前，需要先安装一些其他依赖项，例如cmake。

利用PCA的人脸识别Matlab代码

优质

本项目提供了一套基于主成分分析（PCA）的人脸识别系统Matlab实现代码。通过降维技术有效提取人脸特征，简化后续比对过程，适用于研究与教学用途。基于PCA的人脸识别的Matlab代码可以成功运行使用。