文件名称：matlab怎样由代码生成图片-facenet_perso:facenet_perso
文件大小：2.08MB
文件格式：ZIP
更新时间：2024-06-16 23:32:45
系统开源
matlab怎样由代码生成图片使用Tensorflow进行人脸识别 这是本文描述的人脸识别器的TensorFlow实现。 该项目还使用了牛津大学论文的想法。 兼容性 该代码在Ubuntu 14.04，Python 2.7和Python 3.5下使用Tensorflow r1.7进行了测试。 可以找到测试用例，也可以找到结果。 消息 日期 更新 2018-04-10 添加了在Casia-WebFace和VGGFace2上训练的新模型（请参见下文）。 请注意，这些模型使用固定的图像标准化（请参阅参考资料）。 2018-03-31 添加了新的，更灵活的输入管道以及大量次要更新。 2017-05-13 删除了一堆较旧的非超薄机型。 将最后一个瓶颈层移到各个模型中。 纠正了中心损失的规范化问题。 2017-05-06 向中添加了代码。 将facenet_train.py重命名为train_tripletloss.py，将facenet_train_classifier.py重命名为train_softmax.py。 2017-03-02 添加了生成128维嵌入的预训练模型。 2017-02-22
【文件预览】：
facenet_perso-master
----.DS_Store(6KB)
----tmp()
--------test_align.py(1KB)
--------funnel_dataset.py(4KB)
--------test_invariance_on_lfw.py(11KB)
--------mnist_center_loss.py(18KB)
--------nn3.py(5KB)
--------vggverydeep19.py(4KB)
--------mnist_noise_labels.py(15KB)
--------vggface16.py(5KB)
--------align_dataset.m(8KB)
--------align_dataset.py(7KB)
--------pilatus800.jpg(106KB)
--------deepdream.py(10KB)
--------test1.py(21B)
--------nn2.py(5KB)
--------invariance_test.txt(2KB)
--------seed_test.py(5KB)
--------nn4.py(5KB)
--------__init__.py(16B)
--------visualize.py(5KB)
--------dataset_read_speed.py(903B)
--------mtcnn.py(3KB)
--------mtcnn_test.py(4KB)
--------detect_face_v2.m(9KB)
--------visualize_vgg_model.py(3KB)
--------detect_face_v1.m(8KB)
--------cacd2000_split_identities.py(1KB)
--------random_test.py(4KB)
--------network.py(9KB)
--------rename_casia_directories.py(1KB)
--------select_triplets_test.py(774B)
--------mtcnn_test_pnet_dbg.py(4KB)
--------visualize_vggface.py(2KB)
--------download_vgg_face_dataset.py(5KB)
--------nn4_small2_v1.py(4KB)
--------align_dlib.py(9KB)
----src()
--------generative()
--------compare.py(5KB)
--------take_pictures.py(2KB)
--------face.py(6KB)
--------lfw.pyc(3KB)
--------freeze_graph.py(5KB)
--------models()
--------facenet.pyc(24KB)
--------facenet.py(23KB)
--------train_tripletloss.py(24KB)
--------download_and_extract.py(2KB)
--------real_time_face_recognition.py(3KB)
--------classifier.py(8KB)
--------__init__.py(16B)
--------face2.py(6KB)
--------validate_on_lfw.py(9KB)
--------calculate_filtering_metrics.py(6KB)
--------train_softmax.py(32KB)
--------__pycache__()
--------align()
--------lfw.py(3KB)
--------decode_msceleb_dataset.py(4KB)
--------real_time_face_verification.py(4KB)
----requirements.txt(88B)
----contributed()
--------.DS_Store(6KB)
--------export_embeddings.py(8KB)
--------__init__.py(0B)
--------predict.py(6KB)
--------cluster.py(8KB)
--------__pycache__()
--------batch_represent.py(5KB)
--------clustering.py(10KB)
----util()
--------plot_learning_curves.m(11KB)
----test()
--------train_test.py(10KB)
--------batch_norm_test.py(2KB)
--------triplet_loss_test.py(2KB)
--------center_loss_test.py(4KB)
--------restore_test.py(7KB)
----README.md(6KB)