[LEADERG APP] FaceNet

[簡介]

FaceNet 主要驗證人臉是否為同一個人,端對端學習,直接比對兩個人臉經過它的網路映射之後的歐氏距離。該模型沒有使用傳統 softmax 的方式進行分類學習,而是抽取某一層當作特徵,將人臉影像映射到一個歐幾里得多維空間的編碼方法,通過空間距離來表示人臉的相似度,同一個人的距離越小,反之不同人距離則越大。最後基於此編碼再做人臉辨識、人臉驗證、人臉分群等各種應用。

其主要核心為提出一種卷積神經網路的架構,並使用 triplet loss 作為 loss function。 

 

[操作步驟及說明]

開啟 FaceNet APP。

APP 主要分成四大使用功能,資料準備與前處理、圖片分群、圖片分類。

 

APP.png

 

資料準備 :

 

1. 選擇要進行 AI 學習的數據集。

如果要訓練自己的影像,請點選 browse 開啟檔案位置,建議先複製一個預設的數據集資料夾,將其改為自己的數據名稱。

 

選擇資料夾.png

 

2. Prepare 影像前處理。

  • 輸入影像。

    點擊 Input image 的 browse 開啟資料夾,放置所有圖片資料夾。

    例如 : 有五個人的人臉 A、B、C、D、E,則圖片資料夾會有 5 個,其中這每個資料夾只可放同一個人。

    注意 : 圖檔與其附檔建議為 .jpg 或 .png 或 .jpeg。      

  • Preprocess。 點擊 Preprocess,將影像裁切出人臉區域與縮放至 160 像素 * 160 像素。  
  • 輸出影像。

    點擊 Output image 的 browse 開啟資料夾,可查看處理好的影像。

    以上動作需重複兩次,一次為 Train 訓練的影像、另一次為 Test 測試的影像。

 

前處理.png  

以上圖片處理好後,接著主要應用有兩種。

一種是分群,將一堆人臉影像自動分組,每一組是相似的人臉。

一種是分類,此需要訓練一個分類器,接著透過此分類器可以辨識人臉的類別。

 

分群 :  

1. 輸入影像。

點擊 Input image 的 browse 開啟資料夾,放置上一步驟 Preprocess 已經裁切好的 Output image。

注意 : 圖檔與其附檔建議為 .jpg.png.jpeg

 

2. 按下分群 Clustering。

 

3. 分群後結果,請點 Clustering result 的 browse 開啟資料夾,可看到1、2、3… 數個資料夾,每個資料夾內為同一類的人臉。

 

分群.png

 

分類 :

 

1. 訓練。按下 Train 訓練出一個分類器。

Input model 為FaceNet 取出人臉特徵的模型。

Input image 為前面已處理好的 160*160 像素的人臉區域影像。

Output pkl 為訓練分類器輸出的檔案。  

2. 推論。

Inference : 點擊 -> 選擇一張人臉 -> 按下 Inference 按鈕 -> 跳出結果。

Inference folder : 點擊 -> 選擇放人臉的資料夾 -> 按下 Inference 按鈕 -> 跳出結果。

Inference_api、Inference_api_browser : 點擊 Inference_api 開啟人臉分類的 server -> 點擊 inference_api_browse 開啟瀏覽器 -> 選擇圖片,按下送出 -> 得到結果。

Inference_webcam : 可設定網路攝影機的 ID 與閾值,按下 Run 即可透過攝影機進行分類。

 

推論.png

 

 

標籤:

延伸閱讀

1.
LEADERG APP 人工智能軟體 (No Code, 不用寫程式, APP 操作介面, 易學易用, 無經驗可, Deep Learning, 深度學習, Machine Learning, 機器學習, 大數據)

2.
LEADERG AI ZOO 人工智能軟體 (Low Code, 提供豐富範例程式, 節省90%的開發時間, 10倍速快速開發 AI 程式, Jupyter Lab 操作介面, AI Model Zoo, 深度學習, 機器學習, Big Data, 大數據)

3.
LEADERG ACE-22 中階人工智能工作站 (RTX-A6000-48G, RTX-A5000-24G, RTX-A4000-16G, RTX-3090-24G, AMD Ryzen 9, Intel Core i9, GPU 電腦, computer, workstation, deep learning, 深度學習)

4.
LEADERG ACE-38 高階人工智能工作站 (RTX-A6000-48G 四張, RTX-A5000-24G 四張, RTX-A4000-16G 七張, NVIDIA RTX-3090-24G 兩張, RTX-3080-10G 兩張, RTX-3060-12G 兩張, AMD, Ryzen Threadripper PRO)

購買方式

歡迎聯絡我們索取報價單,幫助您購買適合的產品。
客服信箱: leaderg@leaderg.com
客服電話: 02-2784-9788

LEADERG APP 申請試用

歡迎聯絡我們申請15天試用授權碼。
客服信箱: leaderg@leaderg.com

教育訓練課程

歡迎聯絡我們討論教育訓練課程。
客服信箱: leaderg@leaderg.com
客服電話: 02-2784-9788

客製化專案服務

歡迎聯絡我們討論客製化專案服務。
客服信箱: leaderg@leaderg.com
客服電話: 02-2784-9788

加入我們

歡迎加入我們。
人力銀行: 線上投遞履歷連結

感謝客戶們的支持

臺灣大學、清華大學、陽明交通大學、成功大學、臺北醫學大學、臺北護理健康大學、中興大學、暨南大學、宜蘭大學、聯合大學、國防大學、陸軍軍官學校、海軍軍官學校、逢甲大學、長庚大學、義守大學、實踐大學、台科大、北科大、臺中科大、雲林科大、勤益科大、虎尾科大、屏東科大、高雄科大、朝陽科大、明志科大、南臺科大、中國科大、鼓山高中、榮民總醫院、長庚醫院、慈濟醫院、義大醫院、中山科學研究院、國防部軍備局、法務部調查局、工研院、資策會、原子能委員會核能研究所、農業委員會特有生物研究保育中心、勞動部勞動研究所、金屬工業研究發展中心、台灣儀器科技研究中心、車輛測試中心、台灣自來水公司、台積電、聯電、南亞科、華邦電子、精材科技、華信光電、友達光電、群創光電、瀚宇彩晶、台塑、台塑網、南亞塑膠、台灣化學纖維、中國石油、羅技電子、義隆電子、隆達電子、達方電子、大聯大 - 世平興業、盟立自動化、迅得機械、南茂科技、順達科技、致伸科技、豐興鋼鐵、中宇環保工程、竹陞科技、研揚科技、敦陽科技、竑騰科技、先豐通訊、神達電腦、百佳泰、科音國際、鴻鵠國際等。