xu.hyj

本教程是基于MobileFaceNet_TF项目之后的1. 得到了ckpt文件后，如何转为tflite？1 修改MobileFaceNet.py中batch_norm_params中的is_training&trainable都为false2 自己写一个模型冻结脚本，代码如下：from losses.face_losses import insightface_loss, cosineface_loss, combine_lossfrom utils.data_process impo

0. 前言本文是基于知乎文章Android TensorFlow Lite实时人脸识别而写，本文更像是对知乎文章的观后总结，感兴趣可以阅读原文。本文要完成一个离线的人脸识别应用，涉及到人脸检测和人脸识别两项主要技术。1. 技术选择1.1 人脸检测人脸检测直接使用ML Kit，这是一个旨在Machine learning for mobile developers的库。1.2 人脸识别方案LFW精度耗时备注Adrian93%1/14基于OpenCVFace

0. 前言首先明确几个概念：人脸检测：是指图片中是否存在人脸，若存在则返回人脸在图中的位置坐标人脸验证：验证即验证是否为某人，比如FaceID解锁，手机不需要得出你是谁的结论，只需要验证你是否和手机预存录入的人脸是同一个人。同样使用身份证近火车站，身份验证时是完成你的脸和身份证上的脸是否为同一人。人脸识别：人脸识别则是要得出你是谁。比如上班人脸打卡机，需要预先将你和你同事的人脸录入进数据库储存，上班时打卡机会将你的脸和数据库中的人脸数据对比，得出你是谁综上，人脸验证时验证你是否是预先定义的人，