как использовать API обнаружения объектов tenorflow для обнаружения лиц

Question

Open CV предоставляет простой API для обнаружения и извлечения лиц из заданных изображений.(Я не думаю, что это работает идеально, хотя, потому что я испытал, что это вырезает кадры из входных изображений, которые не имеют ничего общего с изображениями лиц.)

Интересно, можно ли использовать API-интерфейс tenorflow для обнаружения лиц.Мне не удалось найти соответствующую информацию, но я надеялся, что, возможно, опытный специалист в этой области поможет мне в этом вопросе.Можно ли использовать API обнаружения объектов в tenorflow так же, как Open CV?(Я имею в виду, вы просто вызываете функцию API, и она дает вам изображение лица из заданного входного изображения.)

Answer 1

просто увеличьте форму ввода, я пробовал, и это работает намного лучше

Answer 2

Можно, но нужна некоторая работа.Сначала взгляните на обнаружение объекта README .Есть несколько полезных статей, которым вы должны следовать.В частности: (1) настройка конвейера обнаружения объектов, (3) подготовка входных данных и (3) локальный запуск.Вы должны начать с существующей архитектуры с предварительно обученной моделью.Предварительно обученные модели можно найти в Model Zoo , а их соответствующие файлы конфигурации можно найти здесь .Наиболее распространенные предварительно обученные модели в Model Zoo представлены в наборе данных COCO.К сожалению, этот набор данных не содержит лицо как класс (но содержит лицо).Вместо этого вы можете начать с предварительно обученной модели на открытых изображениях, такой как fast_rcnn_inception_resnet_v2_atrous_oid, которая содержит лицо как класс.Обратите внимание, что эта модель больше и медленнее, чем обычные архитектуры, используемые в наборе данных COCO, такие как SSDLite поверх MobileNetV1 / V2.Это связано с тем, что в открытых изображениях гораздо больше классов, чем в COCO, и поэтому хорошо работающая модель должна быть гораздо более выразительной, чтобы можно было различать большое количество классов и правильно их локализовать.Поскольку вам требуется только распознавание лиц, вы можете попробовать следующие два варианта:

1. Если у вас все в порядке с более медленной моделью, которая, вероятно, приведет к повышению производительности, начните с fast_rcnn_inception_resnet_v2_atrous_oid, и вы можете только слегкаТочная настройка модели на одном классе лица.
2. Если вы хотите более быструю модель, вам, вероятно, следует начать с чего-то вроде SSDLite-MobileNetV2, предварительно обученного на COCO, но затем настроить его на класселица из другого набора данных, такого как ваше собственное или подмножество лиц открытых изображений.Обратите внимание, что тот факт, что предварительно обученная модель не обучена на лицах, не означает, что вы не можете точно настроить ее, а скорее, что она может потребовать более тонкой настройки, чем предварительно обученная модель, которая была предварительнотакже тренируется на лицах.