[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 人工智慧軟體 (No Code ,不用寫程式, APP 操作介面, Deep Learning, 深度學習, Machine Learning, 機器學習, Big Data, 大數據)

2.
LEADERG AI ZOO 進階人工智慧軟體 (Low Code ,提供豐富範例程式, Jupyter Lab 操作介面, AI Model Zoo, Deep Learning, 深度學習, Machine Learning, 機器學習, Big Data, 大數據)

3.
LEADERG-22 中階人工智慧工作站 (NVIDIA RTX-3060-12G, RTX-3080-10G, RTX-3090-24G, RTX-A6000-48G, AMD Ryzen 9, Intel Core i9, GPU 電腦, computer, workstation, deep learning, 深度學習)

4.
LEADERG-38 高階人工智慧工作站 (NVIDIA RTX-3090-24G 兩張, RTX-A6000-48G 四張, RTX-3080-10G 兩張, RTX-3060-12G 兩張, AMD, Ryzen Threadripper, Intel, Xeon, Core i9, GPU 電腦, computer

LEADERG APP 申請試用

歡迎聯絡我們申請15天試用授權碼。
電子郵件: leaderg@leaderg.com

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。
電子郵件: leaderg@leaderg.com
客服電話: 02-2784-9788

感謝客戶們的支持

臺灣大學、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、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、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、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、竹陞科技、研揚科技、精材科技、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。