共计 2952 个字符，预计需要花费 8 分钟才能阅读完成。
作者 |MRINAL WALIA
编译 |Flin
起源 |medium
人脸识别是一种可能从图像或视频源的视频帧中实时辨认或验证人的技术。
在明天的文章中，咱们将探讨五个开源人脸识别我的项目，以进步你在数据迷信畛域的技能。
留神：本文只是简略介绍一些不那么驰名但十分好的开源我的项目，你能够在你的我的项目中应用这些我的项目。要浏览无关它们的更多信息，我倡议遵循我的项目中提供的链接。
领有良好的理论知识是惊人的，但在实时机器学习我的项目中用代码实现它们则是齐全不同的事件。基于不同的问题和数据集，你可能会失去不同的意外后果。
因而，作为处分，我还减少了各种课程的链接，这些课程对我学习数据迷信和 ML 的过程有很大帮忙。
我集体是 DataCamp 的粉丝，我的学习之路从它开始，我当初依然在通过 DataCamp 学习并一直学习新课程。他们有一些令人兴奋的课程。肯定要看看。
-
DataCamp
- https://www.datacamp.com/cour…
-
数据科学家与 Python
- https://www.datacamp.com/trac…
-
数据科学家与 R
- https://www.datacamp.com/trac…
-
机器学习科学家与 R
- https://www.datacamp.com/trac…
-
机器学习科学家与 Python
- https://www.datacamp.com/trac…
-
面向所有人的机器学习
- https://www.datacamp.com/trac…
-
所有人的数据迷信
- https://www.datacamp.com/trac…
-
Python 数据工程师
- https://www.datacamp.com/trac…
-
python 数据分析器
- https://www.datacamp.com/trac…
-
通过 pyspark 打好大数据根底
- https://www.datacamp.com/cour…
PS：我依然在应用 DataCamp，在闲暇工夫持续学习课程。实际上，我保持让读者依据他们的趣味去尝试任何一门课程，开始学习并在机器学习和数据迷信中建设良好的根底。DataCamp 的这些课程最棒的中央在于，它们以十分优雅和不同的形式进行解释，均衡地关注理论常识和概念常识，最初总是有一个案例钻研。这是我最喜爱他们的中央。
这些课程真的值得你花工夫和金钱。这些课程必定会帮忙你更好地了解和实现机器学习，也能够用 Python 或 R 来实现。我置信你肯定会喜爱它的，我是从我集体的观点和教训中提出这一点的。
另外，我还留神到，DataCamp 在美国东部工夫 2020 年 9 月 9 日至 9 月 16 日下午 12 点的一周内为所有课程提供 75% 的折扣。因而，这将是最好的工夫去争取一些年度订阅（我曾经领有了），基本上能够有限拜访所有的课程和其余货色的数据营，并充分利用在疫情期间你坐在家里的工夫。
回到主题……
1. 人脸识别
Adam Geitgey 的 Face_Recognition 是世界上最简略的内置 Python 人脸识别 API，能够从命令行应用。这个我的项目基于深度学习，应用 dlib 最先进的面部辨认库。
之所以称为“最简略”，是因为它容许你将图像增加到文件夹中，并从命令行开始辨认人脸，在 wild 基准测试中的标记脸孔上，准确率为 98.38%
人脸识别 API 的其余一些性能包含：
- 检测一张图片中的多张脸，并辨认每张照片中呈现的人。
- 在实时摄像头中检测人脸。
- 检测人的眼睛、鼻子、嘴、眉毛、下巴等面部特色，失去被检测部位的地位和轮廓。
- 检测面部特色并利用数字化妆
留神 ：你能够在 Adam Geitgey 的这篇文章中浏览无关 Face_Recognition API 的更多信息。
- https://medium.com/@ageitgey/…
2.ËagleEye
ËagleEye 是一个开源我的项目，可用于跟踪你的敌人，应用图像识别和反向图像搜寻来找到他们的 Facebook，Instagram 和 Twitter 个人资料。要运行此我的项目，你必须装置 Linux 零碎，如果你没有 Linux 零碎，则还能够应用虚拟机装置 Linux。
该我的项目是应用 Python 编程语言，最新的 dlib 人脸识别库和人脸识别 API 构建的。
3. DocFace
DocFace 是一个开源的人脸识别零碎，可用于实时将身份证件照片与自拍照片进行匹配。这个我的项目是建设在 TensorFlow 和 Python 之上的。
为了确保更好的性能，首先应用 MatLab 版本的 MTCNN following SphereFace 对齐所拍摄的面部自拍，用于训练根本模型的数据集是 Ms-Celeb-1M 和 LFW。
而后应用根本模型通过迁徙学习对 ID 自拍数据集进行微调。通过迁徙学习，应用事后训练的根底模型，咱们可能达到 99.67% 的准确率。
4. GetMeThrough
GetMeThrough 是一个收费的开源软件，以离线模式实时工作的 web 应用程序，帮忙任何流动的组织者仅容许受权或受邀的人加入流动，应用两步验证因素，即首先应用人脸识别技术查看该人是否在数据库中注册，否则将查看二维码。
本我的项目应用 dlib 预训练模型构建，该模型建设在 Face_Recogniton API（如前所述）之上，以达到 99.38% 的准确率。本我的项目开发中应用的其余工具有 MongoDB、materialecss，Node.js 以及 Express.js 用于前端、后端、数据库和 web 利用框架。
依照这里给出的阐明，你能够取得在本地计算机上运行的我的项目的正本，以便进行开发和测试。
5. SharpAI DeepCamera
sharpAI 的 DeepCamera 是 Android 设施上的开源人工智能视频监控，监控摄像头具备人脸识别、人体形态辨认、静止检测、人脸检测、指标检测等多种性能。
这是一个收费的主动机器学习（AutoML）深度学习的边缘人工智能平台，在这个平台上，训练一个新的模型不须要编程教训，它次要是用来爱护你的隐衷。
它曾经被反对在各种 Android 设施和摄像头上运行良好。目前，DeepCamera 由 SharpAI 保护。
参考
Face_Recognition API
- https://github.com/ageitgey/f…
- https://medium.com/@ageitgey/…
EagleEye
- https://github.com/Thoughtful…
DocFace
- https://arxiv.org/abs/1805.02283
- https://github.com/seasonSH/D…
Get Me Through
- https://github.com/malikshubh…
DeepCamera
- https://github.com/SharpAI/De…
- https://sharpai.github.io/Dee…
感激你的浏览！
原文链接：https://medium.com/@waliamrin…
欢送关注磐创 AI 博客站：
http://panchuang.net/
sklearn 机器学习中文官网文档：
http://sklearn123.com/
欢送关注磐创博客资源汇总站：
http://docs.panchuang.net/