從AI到deep learning影像辨識

最近剛好在做深度學習(deep learning)相關資料的整理

就順便把資料整理上來做一個紀錄

簡單介紹一下：從AI到deep learning影像辨識

Face Recognition with FaceNet

Google在2015年提出透過深度學習的方式處理人臉辨識的系統FaceNet

該論文的連結可參考此處

很快的這個方法就席捲了人臉辨識的應用

許多過去傳統的人臉辨識演算法都不敵FaceNet

在論文中提到，其採用LFW人臉資料庫進行benchmark

並以99.63%的準確率，打破了過去的紀錄

而在YouTubeFaces人臉資料庫也進行了測試

依舊創下高達95.12%的準確率

若是想要研究人臉辨識，一定要認識FaceNet

Face Detection with EmguCV Haar and DNN

過去在EmguCV (OpenCV)中

人臉偵測是常用且簡單的功能

過去都是使用Haar cascades的方法來實作

但在OpenCV 3.3.1之後，提供了DNN深度學習的人臉偵測方法

來比較看看吧!!

TensorFlow Model Zoo & Darknet Yolo Models

目前測試了許多TensorFlow的Model Zoo

以及Darknet Yolo Model

主要的測試影片為機車的行車紀錄器

所以偵測物件主要以交通工具以及行人為主

提供給大家參考

CPU vs GPU、YOLO-darknet vs tensorflow效能比較

既然手邊剛好有三張不同的顯卡：GTX 1080Ti、RTX 2070、RTX 2080

也實作了YOLO-darknet與tensorflow 的 C# wrapper

那就來測試一下運算效能吧!

C# TensorFlowWrapper：Emgu.TF

C#如果要導入TensorFlow套件

常見的有兩套TensorFlowSharp與Emgu.TF

本篇以Emgu.TF為主來做介紹

C#專案在Gitlab上建立CI/CD機制(下)

上一篇所介紹的

主要是透過gitlab runner CI/CD的流程

建立在windows環境下的build server

接著往下就是要建立測試環境

比較理想的流程就像上圖所示