使用dlib 进行高质量深度学习人脸识别

标签: | 发表时间:2018-11-03 19:34 | 作者:
出处:http://blog.dlib.net
自上一次dlib发布以来,我一直在努力为dlib 添加易于使用的 深度学习工具。深度学习对很多事情都很有用,但最受欢迎的应用是人脸识别。所以显然我必须 向dlib 添加   一个面部识别示例程序。新的例子附带了秃头好莱坞动作英雄的照片,并使用提供的深度模型来识别有多少不同的人以及哪些面孔属于每个人。下面显示了输入图像以及四个自动识别的面部聚类:




与所有 其他示例dlib模型一样,此示例程序使用的预训练模型位于公共域中。因此,您可以将它用于任何您想要的地方。此外,该模型 在Wild标准的 Labeled Faces中的准确度为99.38%。这与其他最先进的模型相当,并且意味着,给定两个面部图像,它可以正确地预测图像是否在99.38%的时间内是同一个人。

对于那些对模型细节感兴趣的人,这个模型是一个具有29个转换层的ResNet网络。它本质上是来自He,Zhang,Ren和Sun的深度残留学习图像识别的ResNet-34网络的一个版本,删除了一些层,每层的过滤器数量减少了一半。

该网络从头开始在大约300万个面孔的数据集上进行训练。该数据集源自许多数据集。面部磨砂数据集[2],VGG数据集[1],然后是我亲自从互联网上抓取的大量图像。我尽可能地通过删除标签错误来清理组合数据集,这意味着从VGG过滤掉很多东西。我这样做是通过反复训练人脸识别模型,然后使用图形聚类方法和大量手动审查来清理数据集。最后,大约一半的图像来自VGG和脸部磨砂。此外,数据集中的个体身份总数为7485.我确保避免与LFW中的身份重叠,因此LFW评估将是有效的。

网络训练以随机初始化的权重开始,并使用结构化的度量损失,试图将所有身份投射到半径为0.6的非重叠球中。损失基本上是一种成对铰链损失,在小批量的所有货币对上运行,并包括小批量水平的硬负采矿。训练代码显然也是可用的,因为那种东西基本上是dlib的重点。您可以通过阅读 示例程序并查阅dlib的参考部分来查找有关培训和模型细节的所有详细信息。还有一个用于访问面部识别模型的 Python API

相关 [dlib 质量 深度学习] 推荐:

使用dlib 进行高质量深度学习人脸识别

- -
自上一次dlib发布以来,我一直在努力为dlib 添加易于使用的. 深度学习对很多事情都很有用,但最受欢迎的应用是人脸识别. 所以显然我必须 向dlib 添加  . 新的例子附带了秃头好莱坞动作英雄的照片,并使用提供的深度模型来识别有多少不同的人以及哪些面孔属于每个人. 下面显示了输入图像以及四个自动识别的面部聚类:.

Android dlib人脸识别 dlib-android-app: Android app to demo dlib-android(https://github.com/tzutalin/dlib-android). Use the prebuilt shared-lib built from dlib-android

- -

深度学习二三事

- - FreeBuf.COM | 关注黑客与极客
我知道博客标题中使用否定词很奇怪,但是前几天有一波讨论正好相应于我正在思考的一些问题. 这一切开始于 Jeff Leek 发表的 一篇有关说明在小样本范围内使用深度学习的文章. 要言之,他认为当样本较小时(生物领域中属于常见现象),带有少许参数的线性模型甚至比带有少量层和隐藏单元的深度网络性能更优.

[译] OpenCV vs Dlib 人脸检测比较分析

- - IT瘾-dev
点击我爱计算机视觉标星,更快获取CVML新技术. 人脸检测是计算机视觉最典型的应用之一,早期OpenCV的logo就是Haar人脸检测的示意图. 很多人的第一个OpenCV学习目标就是跑通Haar级联人脸检测,Dlib库在业内开始流行很大程度上是因为其HOG-SVM人脸检测比OpenCV Haar的好,而近年来OpenCV和Dlib均已包含基于深度学习的人脸检测算法实现.

关于深度学习——Deep Learning

- - 互联网旁观者
转载自: http://blog.csdn.net/abcjennifer/article/details/7826917. Deep Learning是机器学习中一个非常接近AI的领域,其动机在于建立、模拟人脑进行分析学习的神经网络,最近研究了机器学习中一些深度学习的相关知识,本文给出一些很有用的资料和心得.

深度学习的本质探究??

- - ITeye博客
原创 2016-10-07 朱洁 . 标志型事件,阿尔法围棋(AlphaGo)战胜李世石. alphago是一款围棋人工智能程序,由谷歌(Google)旗下DeepMind公司的戴维·西尔弗、艾佳·黄和戴密斯·哈萨比斯与他们的团队开发,这个程序利用“价值网络”去计算局面,用“策略网络”去选择下子. 2015年10月阿尔法围棋以5:0完胜欧洲围棋冠军、职业二段选手樊麾;2016年3月对战世界围棋冠军、职业九段选手李世石,并以4:1的总比分获胜.

深度学习利器:TensorFlow实战

- - 孟飞阳的博客
深度学习及TensorFlow简介. 深度学习目前已经被应用到图像识别,语音识别,自然语言处理,机器翻译等场景并取得了很好的行业应用效果. 至今已有数种深度学习框架,如TensorFlow、Caffe、Theano、Torch、MXNet,这些框架都能够支持深度神经网络、卷积神经网络、深度信念网络和递归神经网络等模型.

深度学习三大框架对比

- -
| 导语 Science is NOT a battle, it is a collaboration. 人工智能的浪潮正席卷全球,诸多词汇时刻萦绕在我们的耳边,如人工智能,机器学习,深度学习等. “人工智能”的概念早在1956年就被提出,顾名思义用计算机来构造复杂的,拥有与人类智慧同样本质特性的机器.

Python 3 利用 Dlib 实现摄像头实时人脸识别 - coneypo - 博客园

- -
  利用 Python 开发,借助 Dlib 库捕获摄像头中的人脸,提取人脸特征,通过计算特征值之间的欧氏距离,来和预存的人脸特征进行对比,判断是否匹配,达到人脸识别的目的;.   可以从摄像头中抠取人脸图片存储到本地,然后提取构建预设人脸特征;.   根据抠取的 / 已有的同一个人多张人脸图片提取 128D 特征值,然后计算该人的 128D 特征均值;.

深度学习大牛Bengio教授在Reddit吐槽

- - 博客园_新闻
     Deep Learning 界的三架马车,目前 Geoffrey Hinton 已被 Google 收编, Yann LeCun 已被 Facebook 收编,还留在学术界的 Yoshua Bengio 最近心情好,在 reddit 上定期回答问题. 我抽取了一些比较有料的观点在下面,希望对大家了解这方面有帮助(再不上船可就晚了).