在线观看www成人影院-在线观看www日本免费网站-在线观看www视频-在线观看操-欧美18在线-欧美1级

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
电子发烧友
开通电子发烧友VIP会员 尊享10大特权
海量资料免费下载
精品直播免费看
优质内容免费畅学
课程9折专享价
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

FacenetPytorch人臉識別方案--基于米爾全志T527開發板

米爾電子 ? 2024-11-28 15:12 ? 次閱讀

本篇測評由電子工程世界的優秀測評者“小火苗”提供。


本文將介紹基于米爾電子MYD-LT527開發板(米爾基于全志T527開發板)的FacenetPytorch人臉識別方案測試。

一、facenet_pytorch算法實現人臉識別

深度神經網絡1.簡介
Facenet-PyTorch 是一個基于 PyTorch 框架實現的人臉識別庫。它提供了 FaceNet 模型的 PyTorch 實現,可以用于訓練自己的人臉識別模型。FaceNet 是由 Google 研究人員提出的一種深度學習模型,專門用于人臉識別任務。
在利用PyTorch神經網絡算法進行人臉圖像對比的實驗設置中,我們專注于對比環節,而不涉及實際項目的完整實現細節。但為了貼近實際應用,我們可以構想以下流程:1)捕捉新人臉圖像:首先,我們使用攝像頭或其他圖像采集設備捕捉一張新的人臉照片。
2)加載存儲的人臉圖像:接著,從數據庫中加載所有已存儲的人臉圖像。這些圖像是之前采集并存儲的,用于與新捕捉到的人臉照片進行對比。
3)構建神經網絡模型:為了實現對比功能,我們需要一個預先訓練好或自定義的神經網絡模型。這個模型能夠提取人臉圖像中的關鍵特征,使得相似的圖像在特征空間中具有相近的表示。
4)特征提取:利用神經網絡模型,對新捕捉到的人臉照片和存儲的每一張人臉圖像進行特征提取。這些特征向量將用于后續的對比計算。
5)計算相似度:采用合適的相似度度量方法(如余弦相似度、歐氏距離等),計算新照片特征向量與存儲圖像特征向量之間的相似度。
6)確定匹配圖像:根據相似度計算結果,找到與新照片相似度最高的存儲圖像,即認為這兩張圖像匹配成功。
7)輸出匹配結果:最后,輸出匹配成功的圖像信息或相關標識,以完成人臉對比的實驗任務。

2.核心組件
MTCNN:Multi-task Cascaded Convolutional Networks,即多任務級聯卷積網絡,專門設計用于同時進行人臉檢測和對齊。它在處理速度和準確性上都有出色的表現,是當前人臉檢測領域的主流算法之一。
FaceNet:由Google研究人員提出的一種深度學習模型,專門用于人臉識別任務。FaceNet通過將人臉圖像映射到一個高維空間,使得同一個人的不同圖像在這個空間中的距離盡可能小,而不同人的圖像距離盡可能大。這種嵌入表示可以直接用于人臉驗證、識別和聚類。

3.功能

支持人臉檢測:使用MTCNN算法進行人臉檢測,能夠準確識別出圖像中的人臉位置。

支持人臉識別:使用FaceNet算法進行人臉識別,能夠提取人臉特征并進行相似度計算,實現人臉驗證和識別功能。

二、安裝facenet_pytorch庫

1.更新系統
更新ubuntu系統,詳情查看米爾提供的資料文件

2.更新系統軟件

apt-get update


259aa490-ad58-11ef-8084-92fbcf53809c.png

3.安裝git等支持軟件

sudo apt-get install -y python3-dev python3-pip libopenblas-dev libssl-dev libffi-dev git cmake

4.安裝Pytorch支持工具

# 克隆 PyTorch 源代碼git clone --recursive https://github.com/pytorch/pytorch# 進入 PyTorch 目錄cd pytorch# 安裝 PyTorch (需要根據你的需求選擇 CUDA 版本,如果不需要 GPU 支持則不需要 --cuda 參數)pip3 install --no-cache-dir torch -f https://download.pytorch.org/whl/torch_stable.html# 測試 PyTorch 安裝python3 -c "import torch; print(torch.__version__)"

259edb46-ad58-11ef-8084-92fbcf53809c.png

5.安裝facenet_pytorch

pip3 install facenet_pytorch

25ac8e3a-ad58-11ef-8084-92fbcf53809c.png

三、CSDN參考案例

1.代碼實現

############face_demo.py#############################import cv2import torchfrom facenet_pytorch import MTCNN, InceptionResnetV1# 獲得人臉特征向量def load_known_faces(dstImgPath, mtcnn, resnet):aligned = []knownImg = cv2.imread(dstImgPath) # 讀取圖片face = mtcnn(knownImg) # 使用mtcnn檢測人臉,返回人臉數組if face is not None:aligned.append(face[0])aligned = torch.stack(aligned).to(device)with torch.no_grad():known_faces_emb = resnet(aligned).detach().cpu()# 使用ResNet模型獲取人臉對應的特征向量

print("\n人臉對應的特征向量為:\n", known_faces_emb)return known_faces_emb, knownImg# 計算人臉特征向量間的歐氏距離,設置閾值,判斷是否為同一張人臉

def match_faces(faces_emb, known_faces_emb, threshold):isExistDst = Falsedistance = (known_faces_emb[0] - faces_emb[0]).norm().item()print("\n兩張人臉的歐式距離為:%.2f" % distance)if (distance < threshold):isExistDst = Truereturn isExistDstif __name__ == '__main__':# help(MTCNN)# help(InceptionResnetV1)# 獲取設備device = torch.device('cuda:0' if torch.cuda.is_available() else 'cpu')# mtcnn模型加載設置網絡參數,進行人臉檢測

mtcnn = MTCNN(min_face_size=12, thresholds=[0.2, 0.2, 0.3],keep_all=True, device=device)

# InceptionResnetV1模型加載用于獲取人臉特征向量resnet = InceptionResnetV1(pretrained='vggface2').eval().to(device)MatchThreshold = 0.8 # 人臉特征向量匹配閾值設置known_faces_emb, _ = load_known_faces('yz.jpg', mtcnn, resnet) # 已知人物圖faces_emb, img = load_known_faces('yz1.jpg', mtcnn, resnet) # 待檢測人物圖isExistDst = match_faces(faces_emb, known_faces_emb, MatchThreshold) # 人臉匹配print("設置的人臉特征向量匹配閾值為:", MatchThreshold)if isExistDst:boxes, prob, landmarks = mtcnn.detect(img, landmarks=True)print('由于歐氏距離小于匹配閾值,故匹配')else:print('由于歐氏距離大于匹配閾值,故不匹配')

此代碼是使用訓練后的模型程序進行使用,在程序中需要標明人臉識別對比的圖像。

2.實踐過程

第一次運行時系統需要下載預訓練的vggface模型,下載過程較長,后面就不需要在下載了運行會很快。如圖所示:

25da11e8-ad58-11ef-8084-92fbcf53809c.png

25fb6406-ad58-11ef-8084-92fbcf53809c.png

3.程序運行異常唄終止

運行程序,提示killed,系統殺死了本程序的運行,經過多方面的測試,最終發現是識別的圖片過大,使得程序對內存消耗過大導致。后將圖片縮小可以正常運行了。

以下是對比圖像和對比結果。

2608c646-ad58-11ef-8084-92fbcf53809c.png

262b8dac-ad58-11ef-8084-92fbcf53809c.png

四、gitHub開源代碼

1.首先下載代碼文件
代碼庫中,大致的介紹了facenet算法的訓練步驟等。

26329746-ad58-11ef-8084-92fbcf53809c.png

2.代碼實現
以下是facenet的python代碼,注意需要更改下面的一條程序"cuda" False,因為t527使用的是cpu,芯片到時自帶gpu但是cuda用不了,因為cuda是英偉達退出的一種計算機架構。

import matplotlib.pyplot as pltimport numpy as npimport torchimport torch.backends.cudnn as cudnnfrom nets.facenet import Facenet as facenetfrom utils.utils import preprocess_input, resize_image, show_config#--------------------------------------------## 使用自己訓練好的模型預測需要修改2個參數# model_path和backbone需要修改!#--------------------------------------------#class Facenet(object):_defaults = {

#--------------------------------------------------------------------------## 使用自己訓練好的模型進行預測要修改model_path,指向logs文件夾下的權值文件# 訓練好后logs文件夾下存在多個權值文件,選擇驗證集損失較低的即可。# 驗證集損失較低不代表準確度較高,僅代表該權值在驗證集上泛化性能較好。#--------------------------------------------------------------------------#"model_path" : "model_data/facenet_mobilenet.pth",

#--------------------------------------------------------------------------## 輸入圖片的大小。#--------------------------------------------------------------------------#"input_shape" : [160, 160, 3],#--------------------------------------------------------------------------## 所使用到的主干特征提取網絡#--------------------------------------------------------------------------#"backbone" : "mobilenet",#-------------------------------------------

## 是否進行不失真的resize#-------------------------------------------#"letterbox_image" : True,#-------------------------------------------## 是否使用Cuda# 沒有GPU可以設置成False#-------------------------------------------

#"cuda" : False,}@classmethoddef get_defaults(cls, n):if n in cls._defaults:return cls._defaults[n]else:return "Unrecognized attribute name '" + n + "'"

#---------------------------------------------------## 初始化Facenet#---------------------------------------------------

#def __init__(self, **kwargs):self.__dict__.update(self._defaults)for name, value in kwargs.items():setattr(self, name, value)self.generate()show_config(**self._defaults)def generate(self):#---------------------------------------------------## 載入模型與權值#---------------------------------------------------#print('Loading weights into state dict...')device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')self.net = facenet(backbone=self.backbone, mode="predict").eval()self.net.load_state_dict(torch.load(self.model_path, map_location=device), strict=False)print('{} model loaded.'.format(self.model_path))if self.cuda:self.net = torch.nn.DataParallel(self.net)cudnn.benchmark = Trueself.net = self.net.cuda()#---------------------------------------------------## 檢測圖片#---------------------------------------------------#def detect_image(self, image_1, image_2):#---------------------------------------------------##

圖片預處理,歸一化#---------------------------------------------------#with torch.no_grad():image_1 = resize_image(image_1, [self.input_shape[1], self.input_shape[0]], letterbox_image=self.letterbox_image)image_2 = resize_image(image_2, [self.input_shape[1], self.input_shape[0]], letterbox_image=self.letterbox_image)photo_1 = torch.from_numpy(np.expand_dims(np.transpose(preprocess_input(np.array(image_1, np.float32)), (2, 0, 1)), 0))photo_2 = torch.from_numpy(np.expand_dims(np.transpose(preprocess_input(np.array(image_2, np.float32)), (2, 0, 1)), 0))if self.cuda:photo_1 = photo_1.cuda()photo_2 = photo_2.cuda()

#---------------------------------------------------## 圖片傳入網絡進行預測#---------------------------------------------------#output1 = self.net(photo_1).cpu().numpy()output2 = self.net(photo_2).cpu().numpy()#---------------------------------------------------## 計算二者之間的距離#---------------------------------------------------#

l1 = np.linalg.norm(output1 - output2, axis=1)plt.subplot(1, 2, 1)plt.imshow(np.array(image_1))plt.subplot(1, 2, 2)plt.imshow(np.array(image_2))plt.text(-12, -12, 'Distance:%.3f' % l1, ha='center', va= 'bottom',fontsize=11)plt.show()return l1

3.代碼實現
此代碼調用的簽名的代碼,但其可以直接的去調用圖片進行人臉識別。

from PIL import Imagefrom facenet import Facenetif __name__ == "__main__":model = Facenet()while True:image_1 = input('Input image_1 filename:')try:image_1 = Image.open(image_1)except:print('Image_1 Open Error! Try again!')continueimage_2 = input('Input image_2 filename:')try:image_2 = Image.open(image_2)except:print('Image_2 Open Error! Try again!')continueprobability = model.detect_image(image_1,image_2)print(probability)

4.程序運行

26368950-ad58-11ef-8084-92fbcf53809c.png

運行程序后首先顯示的是程序的配置信息,然后可以輸入圖像對比檢測的內容。以下是圖像識別的效果和對比的準確率。

263aac24-ad58-11ef-8084-92fbcf53809c.png

26951272-ad58-11ef-8084-92fbcf53809c.png

五、參考文獻

CSDN博客

https://blog.csdn.net/weixin_45939929/article/details/124789487?utm_medium=distribute.pc_relevant.none-task-blog-2~default~baidujs_baidulandingword~default-1-124789487-blog-142987324.235^v43^pc_blog_bottom_relevance_base6&spm=1001.2101.3001.4242.2&utm_relevant_index=4

官方源碼來源

https://gitcode.com/gh_mirrors/fac/facenet-pytorch/overview

*部分圖片來源于網絡,如有版權問題請聯系刪除

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 開發板
    +關注

    關注

    25

    文章

    5265

    瀏覽量

    99825
  • 人臉識別
    +關注

    關注

    76

    文章

    4033

    瀏覽量

    82999
  • 米爾
    +關注

    關注

    0

    文章

    53

    瀏覽量

    8083
收藏 0人收藏

    評論

    相關推薦

    如何用OpenCV進行手勢識別--基于米爾T527開發板

    本文將介紹基于米爾電子MYD-LT527開發板米爾基于
    的頭像 發表于 12-13 08:04 ?1039次閱讀
    如何用OpenCV進行手勢<b class='flag-5'>識別</b>--基于<b class='flag-5'>米爾</b><b class='flag-5'>全</b><b class='flag-5'>志</b><b class='flag-5'>T527</b><b class='flag-5'>開發板</b>

    FacenetPytorch人臉識別方案--基于米爾T527開發板

    本篇測評由優秀測評者“小火苗”提供。本文將介紹基于米爾電子MYD-LT527開發板米爾基于
    發表于 11-28 15:57

    搭載T527芯片的AvaotaA1開發板

    科技T527采用多核異構設計,集成了CPU、GPU、NPU、DSP、MCU等各種計算單元,為各種復雜場景的多任務處理、專用數據處理以及算法應用提供了高效且靈活的解決方案,為生成式A
    的頭像 發表于 09-14 09:16 ?1306次閱讀
    搭載<b class='flag-5'>全</b><b class='flag-5'>志</b><b class='flag-5'>T527</b>芯片的AvaotaA1<b class='flag-5'>開發板</b>

    飛凌T527開發板buildroot系統下擴大rootfs分區

    一、實驗環境介紹 硬件:飛凌T527開發板(2G+16G) 軟件:Tina sdk 二、查看當前存儲分布 登入開發板,執行 fdisk
    發表于 07-18 14:45

    米爾首發-T527開發板-國產8核A55-免費試用】米爾T527開發板安裝測試軟件

    在上1貼T527開發板已上電安裝WIFI熱點,這個帖子說明如何安裝安兔兔測試軟件。 1)安卓13自帶瀏覽器沒有下載并安裝apk功能,請先用u盤安裝QQ瀏覽器等主流瀏覽器。在PC登錄打開
    發表于 06-25 16:42

    米爾首發-T527開發板-國產8核A55-免費試用】米爾T527開發板上電與連接WIFI

    米爾T527開發板上電前的準備工作: 1)T527開發板
    發表于 06-25 16:39

    米爾首發-T527開發板-國產8核A55-免費試用】米爾T527開發板開箱驗機

    期盼已久的米爾T527開發終于到手了,我們打開看一下開發板箱都包含哪些寶貝。 比較細心的是電
    發表于 06-25 16:35

    米爾T527系列加推工控和工控機,更多工業場景DEMO

    米爾首發基于T527系列核心以來,這款基于八核CPU的高性能國產核心得到廣大客戶的好評
    發表于 06-21 17:54

    米爾T527系列加推工控和工控機,更多工業場景DEMO

    米爾首發基于T527系列核心以來,這款基于八核CPU的高性能國產核心得到廣大客戶的好評
    的頭像 發表于 06-21 08:01 ?544次閱讀
    <b class='flag-5'>米爾</b><b class='flag-5'>T527</b>系列加推工控<b class='flag-5'>板</b>和工控機,更多工業場景DEMO

    T527商顯-米爾專為智慧商顯設計的主板

    MYD-LT527-SX商顯T527,八核A55,多屏異顯,專為智慧商顯設計的主板
    發表于 06-17 18:27 ?3次下載

    國產芯,米爾基于T527的商顯主板及工業微型控制器

    MYD-LT527-GK-B微型工控機。 米爾基于T527板卡 米爾基于
    發表于 06-14 17:26

    兩款新品!基于T527的商顯主板及工業微型控制器

    MYD-LT527-GK-B微型工控機。米爾基于T527板卡米爾基于
    的頭像 發表于 06-13 08:01 ?1165次閱讀
    兩款新品!基于<b class='flag-5'>全</b><b class='flag-5'>志</b><b class='flag-5'>T527</b>的商顯主板及工業微型控制器

    T527芯片詳解:計算性能與高清圖像編解碼

    T527芯片詳解:計算性能與高清圖像編解碼
    的頭像 發表于 05-21 14:37 ?3394次閱讀
    <b class='flag-5'>全</b><b class='flag-5'>志</b><b class='flag-5'>T527</b>芯片詳解:計算性能與高清圖像編解碼

    通過物聯網管理多臺MQTT設備-基于米爾T527開發板

    本篇測評由電子工程世界的優秀測評者“JerryZhen”提供。本文將介紹基于米爾電子MYD-LT527開發板的網關方案測試。一、系統概述基于米爾
    的頭像 發表于 05-10 08:01 ?829次閱讀
    通過物聯網管理多臺MQTT設備-基于<b class='flag-5'>米爾</b><b class='flag-5'>T527</b><b class='flag-5'>開發板</b>

    米粉派7折!米爾T527發布Linux系統

    米爾電子首發的高性能T527工業開發板——帶邊緣計算的米粉派(MIFANSPi)自推出市場以來,憑借易用性好、可靠性高、高性能、低門檻、
    的頭像 發表于 04-18 08:01 ?1438次閱讀
    米粉派7折!<b class='flag-5'>米爾</b><b class='flag-5'>全</b><b class='flag-5'>志</b><b class='flag-5'>T527</b>發布Linux系統
    主站蜘蛛池模板: 一级毛片免费不卡在线视频 | 国产精品va在线观看不 | 很黄很暴力 很污秽的小说 很黄很黄叫声床戏免费视频 | 曰本性l交片视频视频 | 日本免费黄网站 | caoporn成人免费公开 | 大色综合| 国产午夜不卡在线观看视频666 | 成人综合网址 | 久久久精品免费国产四虎 | 国产亚洲精品美女2020久久 | 口述他拿舌头进去我下面好爽 | 日日干天天干 | 色婷婷激情| 午夜免费理论片在线看 | 日韩美a一级毛片 | 很很鲁在线视频播放影院 | 天天操天天操天天射 | 亚洲电影在线看 | 最好看的2019中文字幕1 | 成人a网| 国产在线精品美女观看 | 自拍你懂的| 国产美女一区二区三区 | 欧美日韩亚洲一区 | 久久国产精品久久久久久久久久 | 在线免费视频观看 | 全黄性色大片 | 亚洲va欧美va国产综合久久 | 欧美亚洲天堂网 | 电源天堂| 亚洲高清视频一区 | 国产美女精品视频免费观看 | 27pao强力打造高清免费高 | 欧美日韩在线成人免费 | 波多野结衣一级特黄毛片 | 欧美三级日韩三级 | 亚洲成人资源 | 亚洲视频高清 | 很黄很暴力 很污秽的小说 很黄很黄叫声床戏免费视频 | 天天躁夜夜躁狠狠躁2021 |

    電子發燒友

    中國電子工程師最喜歡的網站

    • 2931785位工程師會員交流學習
    • 獲取您個性化的科技前沿技術信息
    • 參加活動獲取豐厚的禮品