Bibliothèque ou programme de détection des visages à faible taux de faux positifs

Ord

Bibliothèque ou programme de détection des visages à faible taux de faux positifs


Je recherche une bibliothèque de détection de visages ou un programme autonome avec ces critères:

  • Fonctionne sur Linux (je suis sur Ubuntu 16.04 si cela importe).
  • A un très faible taux de faux positifs (c’est-à-dire que près de 100% des visages qu’il détecte sont de vrais visages).
  • Idéalement, c’est une bibliothèque Python.
  • Est gratuit (comme dans la bière) pour un usage non commercial

De plus, voici quelques fonctionnalités dont je me fiche:

  • La vitesse. Je ne me soucie pas vraiment du temps de fonctionnement de ce détecteur. Je vais l’utiliser pour le traitement par lots hors ligne de relativement peu d’images candidates.
  • Faux taux négatif. Je me fiche que le détecteur jette des tonnes de vrais visages, tant que presque toutes les détections qu’il garde sont réelles.
  • Détection multi-échelle / multiposition. Je n’ai pas besoin du détecteur pour localiser des visages dans une image; J’en ai juste besoin pour regarder une image entière et répondre à la question oui / non « est-ce un visage? »

J’ai essayé d’utiliser les classificateurs Haar Cascade fournis avec OpenCV, mais j’ai constaté qu’ils ont un taux de faux positifs inacceptablement élevé, et je ne trouve aucun moyen d’ajuster les seuils.

Steve Barnes

Pour ajuster / améliorer la précision des classificateurs Haar, vous devez leur fournir une formation sur opencv_traincascade voir docs.opencv.org/2.4/doc/user_guide/ug_traincascade.html pour savoir comment procéder.

Ord

@SteveBarnes Idéalement, j’aimerais une solution qui n’implique pas d’avoir à préparer mon propre ensemble de formation, car ce serait beaucoup de travail. Je ne suis pas non plus vraiment intéressé à améliorer la précision « globale » – je veux juste troquer le rappel pour la précision. Je suis content d’avoir des tonnes de faux négatifs tant que le nombre de faux positifs est faible.

Steve Barnes

J’ai ajouté une réponse qui inclut un lien vers une liste de sources de formation.

Réponses


 Steve Barnes

OpenCV 3.0 et supérieur est livré avec plusieurs systèmes de reconnaissance faciale , mais comme pour de nombreux systèmes de ce type, pour obtenir une bonne précision, vous devez former les modules sur votre installation à partir d’un ensemble de données approprié, plusieurs d’entre eux sont répertoriés ici .

  • Gratuit, gatis et open source
  • Faux positifs faibles: dépend de la formation dispensée et d’autres paramètres
  • Linux – multiplateforme
  • Python – Oui et C ++
Ord

Merci pour le pointeur vers les jeux de données. Je ne suis toujours pas certain de suivre cette voie – pourquoi devrais-je m’attendre à pouvoir obtenir de meilleures performances que les modèles pré-entraînés distribués avec OpenCV? Sûrement, s’il était facile de produire des résultats nettement meilleurs avec les classificateurs Haar, les responsables de OpenCV feraient tout cela eux-mêmes et incluraient les modèles les mieux formés dans la distribution OpenCV?

Steve Barnes

Les distributeurs d’OpenCV sont confrontés à 2 problèmes avec cette approche, la taille qu’ils ne souhaitent pas ajouter énormément aux téléchargements car tout le monde n’installe pas OpenCV pour la reconnaissance faciale et la licence des ensembles de données – certains ensembles de données sont livrés avec des restrictions de licence que certains les utilisateurs peuvent ne pas vouloir honorer.

 

#à, #de, #ou, bibliothèque, des, détection, faible, faux, positifs?, Programme, taux, visages

 

wiki

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *