文件編號：A209

文件大?。?/strong>93M

開發(fā)環(huán)境：Python3.8、OpenCV4.5

猿創(chuàng)承諾：該項(xiàng)目親測正常運(yùn)行，需遠(yuǎn)程調(diào)試部署需另外收費(fèi)，確保正常使用，不能正常使用全額退款。

簡要概述：Keras用于實(shí)現(xiàn)受OpenFace項(xiàng)目啟發(fā)的CNN模型。該模型是NN4體系結(jié)構(gòu)的一個變體，標(biāo)識為NN4。OpenFace項(xiàng)目中的small2模型。模型訓(xùn)練的目的是學(xué)習(xí)相同身份的所有人臉之間的L2距離較小，來自不同身份的一對人臉之間的距離較大的圖像的嵌入。通過選擇合適的閾值，該模型可以識別自己數(shù)據(jù)集中的人臉。請注意，此模型可以在CPU上運(yùn)行。

安裝所需的軟件包

opencv 3.8、keras 2.2.4、dlib 19.4.0、tqdm 4.31.1、pandas 0.23.4、scipy 1.2.0

使生效

準(zhǔn)備訓(xùn)練圖像

在文件夾圖像中，有一些文件夾包含我們想要識別的人的圖像。每個文件夾有5張一個人的圖像。如果你想擁有更多的人，只需創(chuàng)建文件夾并將圖像放入其中。建議每人至少有5張圖像，每個人的圖像數(shù)量應(yīng)相等。

用于訓(xùn)練的圖像應(yīng)該只有一張人臉。

圖像文件必須是.jpg格式。

運(yùn)行人臉檢測和保存。皮耶。它將瀏覽圖像文件夾中的圖像，檢測人臉并保存（替換完整圖像）。

訓(xùn)練和測試

-初始化模型。

-加載用于訓(xùn)練的圖像。

-開始訓(xùn)練并保存訓(xùn)練。EMB作為輸出（用于即時使用，無需后續(xù)訓(xùn)練）。

-繪制一張圖表，顯示匹配和非匹配訓(xùn)練圖像之間的距離差異。-可以選擇閾值來分離匹配面和不匹配面。修改中第137行中的閾值main.py

-使用“測試圖像”文件夾中的圖像進(jìn)行測試。你可以把這部分分開。py文件，只需加載train.embs.。

-用于測試的圖像可以有多個人臉。不在訓(xùn)練數(shù)據(jù)中的人的臉將顯示為“未知”。

按需寫作：

演示視頻：

點(diǎn)擊查看：系統(tǒng)演示視頻

運(yùn)行結(jié)果：

遠(yuǎn)程協(xié)助：

溫馨提示：索煒達(dá).猿創(chuàng)官方提供收費(fèi)遠(yuǎn)程協(xié)助，確保您項(xiàng)目運(yùn)行成功。

點(diǎn)擊查看：遠(yuǎn)程協(xié)助相關(guān)事項(xiàng)

我們提供完整項(xiàng)目文件清單如下：

文件目錄

 ├ 1.項(xiàng)目源碼

 ├ 2.運(yùn)行截圖

 └ 3.演示視頻