[LEADERG AI ZOO] Jupyter-Image-FaceNet

[簡介]

 

FaceNet 可應用於人臉分群、人臉分類,透過歐式距離來判斷人臉的相似度,而達到人臉辨識。

 

 

[操作步驟及說明]

 

解決方案流程為:

準備圖片 -> 訓練分類器 -> 人臉影像推論 。

準備圖片 ->人臉影像分群。

準備圖片 ->人臉影像比較。

 

1. 1_preprocess.ipynb

將 data/image 與 data/image_test 中的影像進行人臉影像提取,縮放到 160x160 pixel,存到 data/image-160 與 data/image_test 資料夾中。 

備註:

data/image 的影像是訓練用影像;data/image_test 的影像是測試用影像。

data/image_test 提取出的人臉影像,會額外存到 data/clustering_image 中,讓 3_clustering.ipynb 使用。

data/image 與 data/image_test 內每個資料夾的影像,必須為同一人之影像。

圖檔格式需為 .jpg 或 .png 或 .jpeg。

 

2. 2_classifier.ipynb

訓練人臉影像分類器,會在 5~8 中用到。

 

3. 3_clustering.ipynb

準備圖片 ->人臉影像分群。

流程中的人臉影像分群,將第 1 點準備好的影像,相近的人臉分成一類,結果存到 data/clustering_result 資料夾中。

 

4. 4_compare.ipynb

準備圖片 ->人臉影像比較。

流程中的人臉影像比較,此範例輸入六張影像來源,和其他五張影像比較,輸出結果矩陣。數字越小,表示人臉影像越接近同一人。

 

5. 5_inference.ipynb

輸入一張影像,根據 2_classifier.ipynb 訓練出的分類模型進行分類,推論影像的人物為何人。

參數說明:

input_image 是要推論的影像路徑。

input_pkl 是 2_classifier.ipynb 訓練出的分類模型路徑,不建議更動檔案位置及名稱。

 

6. 6_inference_folder.ipynb

輸入要推論的影像資料夾位置,根據 2_classifier.ipynb 訓練出的分類模型進行分類,推論資料夾內影像的人物為何人。

參數說明:

input_image 是要推論的影像資料夾路徑。

input_pkl 是 2_classifier.ipynb 訓練出的分類模型路徑,不建議更動檔案位置及名稱。

 

7. 7_inference_webcam.ipynb

開啟 webcam,推論 webcam 所拍攝的人物為何人。

參數說明:

--deviceNumber 0 :0 指使用的第幾號 webcam,使用者若有複數以上的 webcam,可自行設定。

 

8. 8_inference_api.ipynb

使用網頁選取一張影像,推論影像中人物為何人。

參數說明:

--port 8801:8801 為 FaceNet 網頁所占用的埠。

運行後,若無更改 port 時,可使用 9_inference_api_browser.ipynb 開啟網頁。

FaceNet.png

 

 

聯絡我們及購買方式


請參閱以下網址:

https://tw.leaderg.com/article/index?sn=11056


延伸閱讀

1.
LEADERG App4AI 人工智能軟體 (App for AI, 不用寫程式, 視窗操作介面, 易學易用, 無經驗可, AI Model Zoo, No Code, Deep Learning, 深度學習, Machine Learning, 機器學習, 人工智慧)

2.
LEADERG AI Zoo 人工智能演算法 (整理及優化200多種範例程式碼, 節省90%的開發時間, 10倍速快速開發 AI 程式, Jupyter Lab 操作介面, Code for AI, Code4AI, Less Coding, AI Model Zoo, AIZOO, 深度學習, Big Data, 大數據)

3.
LEADERG ACE 人工智能電腦 (工作站、伺服器、筆電,GPU, computer, workstation, notebook, server, NVIDIA, RTX-3090-24G, RTX-A6000-48G, A100-40G, deep learning, 深度學習, 機器學習, 專業AI電腦供應商)

4.
LEADERG AI Education 人工智能教育 (AI 教育, 顧問服務, 影像分析, 影像分類, 物件偵測, 影像切割, 資料分析, deep learning, 深度學習, machine learning, 機器學習, big data, 大數據)

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、淡江大學、逢甲大學、長庚大學、義守大學、實踐大學、大同大學、中原大學、臺科大、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、亞東科大、中國科大、國防大學、海軍軍官學校、陸軍專科學校、鼓山高中、臺大醫院、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、紡織研究所、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、鴻海、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、英特盛、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、神通電腦、百佳泰、科音國際、峰安車業、鴻鵠國際、藍海智能等。