Dit is de Linux-app VGGFace2, waarvan de nieuwste versie kan worden gedownload als vgg_face2sourcecode.tar.gz. Deze kan online worden uitgevoerd via de gratis hostingprovider OnWorks voor werkstations.
Download en gebruik online gratis deze app met de naam VGGFace2 met OnWorks.
Volg deze instructies om deze app uit te voeren:
- 1. Download deze applicatie op uw pc.
- 2. Voer in onze bestandsbeheerder https://www.onworks.net/myfiles.php?username=XXXXX in met de gebruikersnaam die u wilt.
- 3. Upload deze applicatie in zo'n bestandsbeheerder.
- 4. Start de OnWorks Linux online of Windows online emulator of MACOS online emulator vanaf deze website.
- 5. Ga vanuit het OnWorks Linux-besturingssysteem dat u zojuist hebt gestart naar onze bestandsbeheerder https://www.onworks.net/myfiles.php?username=XXXXX met de gewenste gebruikersnaam.
- 6. Download de applicatie, installeer hem en voer hem uit.
SCHERMSCHERMEN:
VGGGezicht2
BESCHRIJVING:
VGGFace2 is een grootschalige dataset voor gezichtsherkenning, ontwikkeld ter ondersteuning van onderzoek naar gezichtsherkenning met betrekking tot variaties in houding, leeftijd, verlichting en identiteit. De dataset bestaat uit 3.31 miljoen afbeeldingen van 9,131 proefpersonen, met een gemiddelde van meer dan 360 afbeeldingen per proefpersoon. De dataset is verzameld via Google Afbeeldingen, wat zorgt voor een grote diversiteit in etniciteit, beroep en praktijkomstandigheden. De dataset is verdeeld in een trainingsset met 8,631 identiteiten en een testset met 500 identiteiten, waardoor deze geschikt is voor benchmarking en grootschalige modeltraining. Naast de dataset biedt de repository vooraf getrainde modellen op basis van ResNet-50- en SE-ResNet-50-architecturen, getraind met zowel MS-Celeb-1M pretraining als finetuning op VGGFace2. Deze modellen behalen sterke verificatieprestaties op benchmarks zoals IJB-B en bevatten varianten met lager-dimensionale inbeddingen voor een compacte weergave van kenmerken. Het project omvat ook pre-processing tools, scripts voor gezichtsherkenning, enzovoort.
Kenmerken
- Dataset van 3.31 miljoen afbeeldingen van 9,131 proefpersonen
- Trainingsset (8,631 identiteiten) en testset (500 identiteiten)
- Bestrijkt grote variaties in leeftijd, houding, verlichting en etniciteit
- Vooraf getrainde modellen in ResNet-50- en SE-ResNet-50-architecturen
- Beschikbare modellen in Caffe, MatConvNet, PyTorch en Keras
- Bevat preprocessing-scripts met MTCNN en evaluatievoorbeelden
Programmeertaal
MATLAB, Python
Categorieën
Deze applicatie kan ook worden gedownload van https://sourceforge.net/projects/vggface2.mirror/. Deze is gehost in OnWorks, zodat deze eenvoudig online kan worden uitgevoerd via een van onze gratis besturingssystemen.