Что это такое?
OpenFace — бесплатный инструмент с открытым исходным кодом для распознавания лиц на основе глубоких нейронных сетей, разработанный Carnegie Mellon University.
OpenFace — бесплатный инструмент с открытым исходным кодом для распознавания лиц на основе глубоких нейронных сетей, разработанный Carnegie Mellon University.Это готовое приложение или то, что можно подключить к своему коду?В основном это Python-библиотека (пакет 'openface') на основе нейросети на Torch/Lua, а также отдельные демо-скрипты для сравнения, классификации и веб-демо в реальном времени, а не одно законченное приложение.
В основном это Python-библиотека (пакет 'openface') на основе нейросети на Torch/Lua, а также отдельные демо-скрипты для сравнения, классификации и веб-демо в реальном времени, а не одно законченное приложение.Как это попробовать?Начните со скриптов в demos/: 'compare.py' проверяет, совпадают ли два фото, 'classifier.py' обучает и запускает классификатор, 'classifierwebcam.py' применяет обученный классификатор к видеопотоку с веб-камеры в реальном времени, а 'batch-represent' генерирует эмбеддинги для пакета изображений.
Начните со скриптов в demos/: 'compare.py' проверяет, совпадают ли два фото, 'classifier.py' обучает и запускает классификатор, 'classifierwebcam.py' применяет обученный классификатор к видеопотоку с веб-камеры в реальном времени, а 'batch-represent' генерирует эмбеддинги для пакета изображений.Нужно ли настраивать Torch и dlib перед использованием?Да: сама нейросеть работает на Torch (Lua), выравнивание лиц использует детектор 68 ключевых точек из dlib, а для удобства предоставлен Docker-образ, так что собирать весь стек вручную не нужно.
Да: сама нейросеть работает на Torch (Lua), выравнивание лиц использует детектор 68 ключевых точек из dlib, а для удобства предоставлен Docker-образ, так что собирать весь стек вручную не нужно.Для кого это?Это для исследователей и разработчиков, которые хотят экспериментировать с распознаванием лиц на основе глубокого обучения: верификацией и кластеризацией. Это не готовое сразу к работе потребительское приложение для обычных пользователей.
Это для исследователей и разработчиков, которые хотят экспериментировать с распознаванием лиц на основе глубокого обучения: верификацией и кластеризацией. Это не готовое сразу к работе потребительское приложение для обычных пользователей.Можно ли обучить собственную модель распознавания лиц вместо встроенной?Да, в каталоге training/ есть скрипты для обучения новых нейросетевых моделей OpenFace с нуля.
Да, в каталоге training/ есть скрипты для обучения новых нейросетевых моделей OpenFace с нуля.Как измеряется точность?В папке evaluation/ есть скрипты, которые тестируют модель на наборе данных LFW (Labeled Faces in the Wild).
В папке evaluation/ есть скрипты, которые тестируют модель на наборе данных LFW (Labeled Faces in the Wild).Кто финансировал это исследование?Разработку поддержал грант NSF, а также Intel, Google, Vodafone и NVIDIA.
Разработку поддержал грант NSF, а также Intel, Google, Vodafone и NVIDIA.Нужно ли ссылаться на OpenFace, если я использую его в работе?Да, в README просят, чтобы публикации, использующие OpenFace, ссылались на технический отчёт проекта, и там есть готовая запись BibTeX.
Да, в README просят, чтобы публикации, использующие OpenFace, ссылались на технический отчёт проекта, и там есть готовая запись BibTeX.What are similar projects?facenet, deepface, caffe, vit-pytorch, CLIP, DeepLearning, deep-learning-for-image-processing, pix2code
facenet, deepface, caffe, vit-pytorch, CLIP, DeepLearning, deep-learning-for-image-processing, pix2codeWhich topics is it in?face-recognition, deep-neural-networks, classification, image-classification, pretrained-models, lua, academic, evaluation, neural-network, real-time, artificial-intelligence, bsd
face-recognition, deep-neural-networks, classification, image-classification, pretrained-models, lua, academic, evaluation, neural-network, real-time, artificial-intelligence, bsd