Face Detection App 1.5.3

acerca de Face Detection App

La detección de rostros es una aplicación gratuita de reconocimiento facial que utiliza un sistema de reconocimiento facial con una tecnología de aprendizaje profundo para hacer que tu dispositivo sea capaz de identificar o verificar a una persona en tiempo real o desde una imagen digital o un fotograma de vídeo de una fuente de vídeo. Los sistemas Android de reconocimiento facial utilizan algoritmos Opencv para elegir detalles específicos y distintivos sobre la cara de una persona. El reconocimiento facial androide lee la geometría de su cara. Los factores clave incluyen la distancia entre los ojos y la distancia desde la frente hasta la barbilla. La aplicación de detección de rostros identifica puntos de referencia faciales — un sistema identifica 68 de ellos — que son clave para distinguir su cara. El resultado: su firma facial para el aprendizaje profundo para reconocer las caras de las personas en el futuro utilizando sólo su teléfono Android. Los datos sobre una cara en particular a menudo se denominan una plantilla de cara y son distintos de una fotografía porque está diseñado para incluir solo ciertos detalles que se pueden usar para caras desagradables. La detección de rostros varía en su capacidad para identificar a las personas en condiciones difíciles, como una iluminación deficiente, una resolución de imagen de baja calidad y un ángulo de visión subóptimo (como en una fotografía tomada desde arriba mirando hacia abajo a una persona desconocida). La detección de rostros se puede utilizar como marco de pruebas para varios métodos de reconocimiento facial como las redes neuronales con TensorFlow y Caffe. La cámara de detección de rostros incluye los siguientes algoritmos de preprocesamiento: - Escala de grises - Cultivo - Alineación de ojos - Corrección gamma - Diferencia de gausianos - Filtro Canny - Patrón binario local - Ecualización del histograma (sólo se puede utilizar si también se utiliza la escala de grises) - Redimensionar Cuando una cara se captura en la cámara, la coincidencia tiene lugar en tiempo real, y puede comenzar a entrenar su dispositivo para identificar caras utilizando el sistema de aprendizaje profundo para que coincida y permite la detección facial. Puede elegir entre los siguientes métodos de extracción y clasificación de entidades: - Eigenfaces con el vecino más cercano - Remodelación de imagen con la máquina vectorial de soporte - TensorFlow con SVM o KNN - Café con SVM o KNN Por el momento sólo se admiten dispositivos armeabi-v7a y hacia arriba. Para una mejor experiencia en el modo de reconocimiento, gire el dispositivo a la izquierda. TensorFlow: Si desea utilizar el modelo Tensorflow Inception5h, descárguelo desde aquí: https://storage.googleapis.com/download.tensorflow.org/models/inception5h.zip A continuación, copie el archivo "tensorflow_inception_graph.pb" en "/sdcard/Pictures/facerecognition/data/TensorFlow Vgg: Yo f desea utilizar el modelo de descriptor de cara VGG, descárguelo desde aquí: https://www.dropbox.com/s/51wi2la5e034wfv/vgg_faces.pb?dl=0 Precaución: Este modelo se ejecuta solamente en dispositivos con al menos 3 GB o RAM. Caffe: Si desea utilizar el modelo de descriptor de cara VGG, descárguelo desde aquí: http://www.robots.ox.ac.uk/~vgg/software/vgg_face/src/vgg_face_caffe.tar.gz aplicación de reconocimiento facial búsqueda de reconocimiento facial software de reconocimiento facial prueba de reconocimiento facial cámara de reconocimiento facial reconocimiento facial en línea reconocimiento facial androide aplicación de reconocimiento facial para Android descarga gratuita aplicación de reconocimiento facial gratis reconocimiento facial usando facenet reconocimiento facial usando pitón reconocimiento facial usando eigenfaces reconocimiento facial mediante tensorflow carga de reconocimiento facial reconocimiento facial usando el aprendizaje profundo reconocimiento facial utilizando opencv reconocimiento facial usando cnn reconocimiento facial usando foto reconocimiento facial usando eigenfaces reconocimiento facial mediante tensorflow carga de reconocimiento facial reconocimiento facial usando el aprendizaje profundo reconocimiento facial utilizando opencv reconocimiento facial usando cnn