Я хотел использовать библиотеку dlib для определения ориентиров лица в реальном времени. Алгоритм основан на документе: одномиллисекундное выравнивание лица с ансамблем регрессионных деревьев Вахидом Каземи и Жозефиной СалливанDlib. Как решить ограничения оптимизации в реальном времени? Идея конвергенции ориентиров?
Я использую существующую библиотеку: dlib, и это довольно медленно. Я читал, как сделать это быстро на http://dlib.net/faq.html, но это невозможно на моем компьютере, потому что у меня нет возможности оптимизировать до SSE4 или AVX. Наконец, я использую SSE2. У меня есть следующие вопросы:
-Можно использовать в библиотеке мобильных/веб-приложений dlib, чтобы она работала в режиме реального времени? Я не знаком с настройками оптимизации и т. Д., Поэтому интересно, сколько ограничений существует.
-Это можно использовать на моем компьютере без оптимизации SSE4, чтобы он работал в режиме реального времени?
-Этот файл shape_predictor_68_face_landmarks.dat вес 95 Мб. Мне нужно только распознать лицо + ориентир, содержит ли этот файл избыточную информацию в соответствии с моими потребностями?
-Один алгоритмный вопрос: конвергенция точек (ориентиров) зависит от ограничивающей рамки распознавания лиц, может ли smb объяснить, как это делается? Мы подходим к точкам среднего лица внутри ограничительной рамки, а затем мы ищем каждую ориентировочную оптимальную позицию по соседству? Насколько этот район?
Благодаря любой помощи
Спасибо. Только один вопрос. Если я использую другой алгоритм детектора лица, сколько времени, по вашему мнению, займет только конвергенция точек с учетом ограничивающего прямоугольника (он может быть в режиме реального времени без настроек оптимизации)? Я задал вопрос об алгоритме, потому что, если я использую другой детектор лица, это может привести к несовершенству в ограничивающей рамке, чем если точки выглядят в окрестности точек средней формы, это не могло бы хорошо сходиться. (На самом деле я тоже русский =)) – Viktoriia
да, он будет работать в режиме реального времени, я думаю, 1-2 мсек на лице. и да, вы потеряете некоторую конвергенцию, потому что размер и положение ограничивающего прямоугольника лица влияет на точность прогнозирования формы. но вы можете обучить один новый shape_predictor, используя ваш детектор в качестве источника для ограничивающих прямоугольников. это занимает менее одного дня обучения, и вам потребуется 32 ГБ оперативной памяти. Я даже попытался использовать простую коробку с фиксированным размером 16x16 с различным размером и положением лица и хорошо тренировался – Evgeniy