نمرات سری 5 نیز در سایت وارد شد

سلام
وزنهای VGG16 را در حالتی که include_top=True هست را یک سری مشکل داشتند از گیت fchollet دانلود کنند.
میتونید از لینک زیر دانلود کنید و در همان مسیری که در نوت بوکها ذکر شده کپی کنید:

حجمش 528 مگ است.
http://dataset.class.vision/vgg16_weights_tf_dim_ordering_tf_kernels.h5

#مقاله #سورس_کد

Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks
pic: http://bit.ly/2srFGOS
(Submitted on 11 Apr 2016)
#MTCNN

در الگوریتمهای قدیمی تشخیص چهره, موقعیت سر, حالات چهره، نور و ... تاثیر گذار بود و الگوریتم های موجود را با مشکل مواجه میکرد.
الگوریتمهایی نظیر Viola and Jones - Haar-cascade که در opencv پیاده سازی شده برای چهر های رو به رو و نزدیک رو به رو خوب کار میکند اما برای چهره هادر موقعیت ای دیگر کارایی ندارد!
تیم تحقیقاتی ماکروسافت با ارائه مقاله ای در سال 2014 با عنوان
Joint Cascade Face Detection and Alignment
با جنگل تصادفی این مشکل را تا حد زیادی برطرف کرد و سرعت هم تا حدود 30 میلی ثانیه برای تصاویر VGA بهبود داد، اما انتخاب ویژگی های دستی پرفورمنس را محدود کرده بود.

اما در این مقاله با کمک یادگیری عمیق دقت تا حد خوبی افزایش یافته و همانن مقاله ماکروسافت علاوه بر تشخیص کار face alignment هم انجام میشود.
در این روش 3 شبکه عصبی کانولوشنالی پشت سر هم و به صورت آبشاری قرار گرفته است
شبکه اول: بسیار سبک برای پیدا کردن تمامی نواحی مشکوک به وجود چهره.
شبکه دوم : این شبکه از از خروجی شبکه اول ورودی میگیرد؛ نواحی اشتباه پیدا شده را حذف میکند.
شبکه سوم: کاری شبیه یه شبکه دوم بر روی نواحی باقی مانده, همچنین پیدا کردن landmark های چهره نظیر چشم ها و بینی و alignment نقاط.



🕐Runtime efficiency:
It takes 16fps on a 2.60GHz CPU and 99fps on GPU (Nvidia Titan Black)

🔗abstract:
https://arxiv.org/abs/1604.02878

🔗Paper:
https://arxiv.org/pdf/1604.02878

🔗Project Page:
https://kpzhang93.github.io/MTCNN_face_detection_alignment/

🔗codes:
⚙️#Matlab / #Caffe implementation :
http://bit.ly/2rvkr9Q
⚙️#Python / #Tensorflow implementation :
http://bit.ly/2t1fB6e

#face #face_detection #face_alignment #MTCNN
#deep_learning #cnn #convolutional_neutral_network

ویدیو تمام جلسات در آپارات قرار گرفت.

یکی از تمارین سری 7 خوب که فیلم هم فرستادند.

#سورس_کد
تعیین موقعیت سر

Head pose estimation by #TensorFlow and #OpenCV
[pic: https://bit.ly/2LlBc1I ]

https://github.com/yinguobing/head-pose-estimation

تمام گامهای پیش نیاز تمرین سری 8 به همراه فایلهای مورد نیاز در آدرس

https://github.com/Alireza-Akhavan/iran-celeb

قرار داده شده است.

پوشه نهایی تصاویری است که تنها و تنها 1 چهره در آن مشاهده میشود و چهره تراز شده است. همچنین تمام تصاویر این پوشه نهایی در سایز 182*182 خواهند بود.

لطفا طبق گامهای نوشته شده پیش بروید و تمام ابهامات را در گروه درس بپرسید.

نرم افزار labelimg نسخه های build شده هم داره که نیاز به نصب پیش نیاز و پایتون نداره
برای ویندوز فایل exe است:
http://tzutalin.github.io/labelImg/

تمرین سری هشتم

یادداشت های کلاسی سه جلسه مربوط به چهره در سایت اضافه شدند.

تطبیق و بازشناسی چهره(1) :
شبکه‌های Siamese - معرفی Low Shot Learning، One Shot Learning و zero Shot Learning
تابع خطای triplet loss


تطبیق و بازشناسی چهره(2) :
تابع خطا Center loss - بررسی کد

تشخیص چهره :
بررسی دو روش کلاسیک haar-cascade و مبتنی بر یادگیری عمیق MTCNN


با تشکر از خانم ها برادران افتخاریان، یوسفی و سلیمیان

سلام، قرار بود 5 روز تاخیر مجاز داشته باشید که در نمرات بالا اعمال نشده.
لطفا برای اعمال نمره 5 روز تاخیر و اعلام تمارینی که قصد اعمال 25 نمره را روی آنها دارید در اسرع وقت به خانم قربانی پیام دهید.

مراحل انجام و معرفی انباره های کد(repository):

Face-landmarks-detection-benchmark
https://github.com/mrgloom/Face-landmarks-detection-benchmark

Face-Swap
https://github.com/mrgloom/Face-Swap

#face #github

#تحویل_پروژه


سلام.
لطفا تا قبل نهایت روز قبل از تحویل حضوری پروژه کدها به همراه داکیومنت های پروژه ی گروه خود را یک نفر به نمایندگی از هر گروه در github درس و در پوشه

contributed/Course-Project_winter96-097/

و در پوشه ای همنام پروژه push کنید.


لطفا برای نام فایلها از اسامی با معنی انگلیسی استفاده کنید.

همچنین داکیومنت برای استفاده توسط سایر اعضای کلاس قابل استفاده باشد. و همکلاسی هایتان بتوانند بدون کمک شما کدهای شما را اجرا نمایند.

نیازی به آپلود دیتاست های حجیم نیست. دیتاست ها را در روز تحویل پروژه به بنده تحویل بدهید تا آپلود کنم و بعد از آپلود توسط بنده لینک آن را اضافه کنید

متشکرم

2 گیگابایت اطلاعات گربه:
https://www.kaggle.com/crawford/cat-dataset

سلام
یک تابع ساده تنسرفلویی برای مینی پروژه یا تمرین سری 8 شما در گیت درس و آدرس
30-face-tensorflow
قرار گرفت

https://github.com/Alireza-Akhavan/class.vision/tree/master/30-face-tensorflow/face_project


فایل tes.py یک مثال ساده از ایجاد کذهای 128 تایی تصویر با شبکه هایی که خواندیم را نشان میدهد که برای انجام پروژه از مدل نوت بوک بسیار قوی تر و بهتر عمل میکند

ورودی این مدل 90 در 90 نیست. 160 در 160 است