Face Recognition para PC

- Switch from building Tensorflow from source to using the Jcenter library
- Included optimized_facenet model and changed default settings to use TensorFlow by default

El reconocimiento facial puede ser utilizado como un marco de prueba para varios métodos de reconocimiento facial incluyendo las Redes Neuronales con TensorFlow y Caffe.

Incluye siguientes algoritmos de procesamiento previo:
- Escala de grises
- cultivos
- La alineación de los ojos
- Corrección gamma
- Diferencia de gaussianas
- Canny-Filter
- patrón binario local
- Histograma de ecualización (sólo se puede utilizar si se utiliza la escala de grises también)
- Cambiar el tamaño

Puede elegir entre los siguientes métodos de extracción de características y clasificación:
- Eigenfaces con el vecino más cercano
- Remodelación de imagen con la máquina de vectores de soporte
- TensorFlow con SVM o KNN
- Caffe con SVM o KNN

El manual se puede encontrar aquí https://github.com/Qualeams/Android-Face-Recognition-with-Deep-Learning/blob/master/USER%20MANUAL.md

Por el momento sólo se admiten dispositivos armeabi-V7A y hacia arriba.

Para una mejor experiencia en el modo de reconocimiento girar el dispositivo hacia la izquierda.
_______________________________________________________________

TensorFlow:

Si desea utilizar el modelo Tensorflow Inception5h, descargarlo desde aquí:
https://storage.googleapis.com/download.tensorflow.org/models/inception5h.zip

A continuación, copie el archivo "tensorflow_inception_graph.pb" a "/ sdcard / Fotos / facerecognition / datos / TensorFlow"

Utilice esta configuración predeterminada para un comienzo:
La cantidad de clases: 1001 (no es relevante ya que no utilizamos la última capa)
Tamaño de entrada: 224
media Image: 128
Tamaño de salida: 1024
capa de entrada: Entrada de
capa de salida: avgpool0
archivo de modelo: tensorflow_inception_graph.pb
-------------------------------------------------- -------------------------------------------------- -----
Si desea utilizar el modelo de VGG Cara de descriptores, descargarlo desde aquí:
https://www.dropbox.com/s/51wi2la5e034wfv/vgg_faces.pb?dl=0

Precaución: Este modelo se ejecuta sólo en dispositivos con al menos 3 GB o RAM.

A continuación, copie el archivo "vgg_faces.pb" a "/ sdcard / Fotos / facerecognition / datos / TensorFlow"

Utilice esta configuración predeterminada para un comienzo:
La cantidad de clases: 1000 (no es relevante ya que no utilizamos la última capa)
Tamaño de entrada: 224
media Image: 128
Tamaño de salida: 4096
capa de entrada: Marcador de posición
capa de salida: fc7 / fc7
archivo de modelo: vgg_faces.pb
_______________________________________________________________

Caffe:

Si desea utilizar el modelo de VGG Cara de descriptores, descargarlo desde aquí:
http://www.robots.ox.ac.uk/~vgg/software/vgg_face/src/vgg_face_caffe.tar.gz

Precaución: Este modelo se ejecuta sólo en dispositivos con al menos 3 GB o RAM.

A continuación, copie los archivos "VGG_FACE_deploy.prototxt" y "VGG_FACE.caffemodel" a "/ sdcard / Fotos / facerecognition / datos / caffe"

Utilice esta configuración predeterminada para un comienzo:
Los valores medios: 104, 117, 123
capa de salida: fc7
archivo de modelo: VGG_FACE_deploy.prototxt
presentar pesos: VGG_FACE.caffemodel

_______________________________________________________________

Los archivos de licencia se pueden encontrar aquí y aquí https://github.com/Qualeams/Android-Face-Recognition-with-Deep-Learning/blob/master/LICENSE.txt https://github.com/Qualeams/Android- de reconocimiento facial-con-profundo-Learning / blob / master / NOTICE.txt