白癜风康复 http://m.39.net/pf/a_7110347.html01
dpfac适用于Python的轻量级面部分析框架
Dpfac是一个轻量级的面部分析框架，包括适用于Python的面部识别和人口统计（年龄，性别，情感和种族）。可以使用几行代码来应用面部分析。项目计划弥合软件工程和机器学习研究之间的鸿沟。
人脸识别：
现代人脸识别流程包括四个阶段：检测，对齐，表示和验证。Dpfac在后台处理所有这些常见阶段。人脸识别可以通过不同的模型来处理。目前，dpfac支持VGG-Fac，GooglFacNt，OpnFac和FacbookDpFac模型。
默认配置使用VGG-Fac模型验证人脸。可以在验证时设置基本模型，精度和速度会根据执行模型而有所不同。这些模型实际上找到了人脸的矢量嵌入。
验证决定基于向量之间的距离。距离可以通过不同的度量标准来找到，例如余弦相似度，欧氏距离和L2形式。默认配置查找余弦相似度。也可以设置验证时的相似性指标。
面部属性分析：
Dpfac还提供面部属性分析，包括年龄，性别，情感（包括生气，恐惧，中立，悲伤，厌恶，快乐和惊奇）和种族（包括亚洲，白人，中东，印度，拉丁美洲和黑人）预测。DpFac界面下的分析功能用于查找人脸。
流和实时分析：
可以为实时视频运行dpfac。DpFac界面下的调用流功能将访问您的网络摄像头，并应用面部识别和面部属性分析。流功能需要包含人脸图像的数据库文件夹。
VGG-Fac是默认的面部识别模型，而余弦相似度是与验证功能相似的默认距离度量。该功能开始分析是否可以将脸部连续对焦5帧。然后，显示结果5秒。
项目
