• 【资源分享】ArcFace Demo [Android]


    虹软人脸识别引擎Android的Demo演示,可以直接下载使用。

    下载地址: https://github.com/asdfqwrasdf/ArcFaceDemo

    readme:

    工程如何使用?

    1. 下载代码:
      git clone https://github.com/asdfqwrasdf/ArcFaceDemo.git 或者直接下载压缩包

    2. 前往官网申请appid和sdkkey。
      修改 ArcFaceDemo-mastersrcmainjavacomarcsoftsdk_demoFaceDB.java 下面的对应的值:

      public static String appid = "xxxx"; 		
      public static String fd_key = "xxxx";    
      public static String ft_key = "xxxx";
      public static String fr_key = "xxxx";
    3. 下载sdk包之后,解压各个包里libs中的文件到 ArcFaceDemo-masterlibs 下,同名so直接覆盖。

    4. Android Studio3.0 中直接打开或者导入Project,编译运行即可。

    demo如何使用?

    1. 点击第一个按钮 打开图片或者拍一张带人脸的照片,确认后自动执行人脸,弹出注册框,注册第一个人脸。
      注册界面底部会展示已注册的信息列表,点击列表项,则可以执行删除操作。  
    2. 点击第二个按钮 选择打开前置或者后置的镜头进行检测。

    demo中人脸数据的保存方式?

     以注册时人名为关键索引,保存在face.txt中。
     创建的 name.data 则为实际的数据存储文件,保存了所有特征信息。
     同一个名字可以注册多个不同状态角度的人脸,在name.data 中连续保存,占用的数据文件长度为:
     N * {4字节(特征数据长度) + 22020字节(特征数据信息)}

    最低支持的API-LEVEL?

     14-27     


    Issue Report

    1. before report
      please check the closed issues.

    2. issue format
      a.错误信息:log,input image,core stack, etc...
      b.设备信息:cpu, memory, device name, etc...
      c.系统版本:OS version, API leve,etc...
      d.具体操作流程:which step,how to recurrence,etc...


    FAQ

      1. Gradle 错误提示 Error:Failed to find target with hash string 'android-24'.......
        一般Android Studio 窗口会有个链接(Install missing platform(s) and sync project)
        点击下载更新 android-24 即可解决(其他版本没测试过,建议不要随意更改)。

      2. 加载图片注册时Crash.
        NV21格式限制高度和宽度不能同时为奇数,demo已经对这个做了保护。
        如有发生,请提供图像尺寸和发生时的全部log。

      3. 年龄和性别检测结果准确度不够.
        Video的接口性能优先,Image的接口准确度优先。    

      4. com.guo.android_extend:android-extend 找不到依赖.
        此第三方库android_extend 用来简化camera调用,提供简单的工具方便demo开发。 一般android studio会自动从jcenter 下载对应的aar包,如果没有自动下载,请自行检查是否网络问题,或者删掉build等编译目录,重新运行gradle.    

      5. 还有其他问题.     直接提交issue

  • 相关阅读:
    siamese跟踪论文思考
    卷积与相关
    pytorch保存模型等相关参数,利用torch.save(),以及读取保存之后的文件
    发表在 Science 上的一种新聚类算法
    word2vec 中的数学原理详解
    一种并行随机梯度下降法
    一种利用 Cumulative Penalty 训练 L1 正则 Log-linear 模型的随机梯度下降法
    最大熵学习笔记(六)优缺点分析
    最大熵学习笔记(四)模型求解
    最大熵学习笔记(三)最大熵模型
  • 原文地址:https://www.cnblogs.com/feishixin123/p/9799565.html
Copyright © 2020-2023  润新知