ubuntu 16.04 LTS使用开源面部识别库Openface

Openface是一个基于深度神经网络的开源人脸识别系统。该系统基于谷歌的文章FaceNet: A Unified Embedding for Face Recognition and ClusteringOpenface是卡内基梅隆大学的Brandon Amos主导的。

1.准备系统环境

如果是服务器版本的 ubuntu,可能默认 Python都没有安装

2.下载代码

3.安装 opencv

4.安装依赖的 python

5.安装 Torch7

参考链接 ubuntu 16.04 LTS上安装Torch7

编译完成后,路径变量被加入了 .bashrc,我们需要刷新一下 Shell的环境变量

6.安装依赖的 lua

7.编译代码

8.下载预训练后的数据

9.执行测试Demo

执行的脚本 face_detect.py代码如下:

Shell中如下执行代码:

识别完成后会弹出识别到的面部图片。

译文 | GAN之父在NIPS 2016上做的报告:两个竞争网络的对抗

作者:Ian Goodfellow
翻译:七月在线DL翻译组
译者:范诗剑 汪识瀚 李亚楠
审校:管博士 寒小阳 加号
责编:翟惠良 July
声明:本译文仅供学习交流,有任何翻译不当之处,敬请留言指正。转载请注明出处。

2016年的NIPS上,Ian Goodfellow做了主题为《生成对抗网络(Generative Adversarial Networks)》的报告,报告包括以下主题:
- 为什么生成式模型是一个值得研究的课题
- 生成式模型的工作原理,以及与其他生成模型的对比
- 生成式对抗网络的原理细节
- GAN相关的研究前沿
- 目前结合GAN与其他方法的主流图像模型

原英文精辟演示文稿请点击——
PDF版:www.iangoodfellow.com/slides/2016-12-04-NIPS.pdf
KeyNote版:www.iangoodfellow.com/slides/2016-12-04-NIPS.key

本站PDF版本:Generative Adversarial Networks (GANs)

本站KeyNote版:Generative Adversarial Networks (GANs)

一句话描述GAN——
GAN之所以是对抗的,是因为GAN的内部是竞争关系,一方叫generator,它的主要工作是生成图片,并且尽量使得其看上去是来自于训练样本的。另一方是discriminator,其目标是判断输入图片是否属于真实训练样本。
更直白的讲,将generator想象成假币制造商,而discriminator是警察。generator目的是尽可能把假币造的跟真的一样,从而能够骗过discriminator,即生成样本并使它看上去好像来自于训练样本一样。

继续阅读译文 | GAN之父在NIPS 2016上做的报告:两个竞争网络的对抗

macOS Sierra (10.12.3)编译Caffe

截止2017-03-05的最新版本代码,后续代码编译可能有所不同。为了实验目的,本次不开启GPU的支持,仅仅使用CPU。

虽然 Google开源了tensorflow,但是受限于天朝的网络问题,在没有梯子的情况下,是基本上没办法编译成功的,因此我们尝试使用老牌的 Caffe来进行实验,看看效果。

默认大家已经成功安装了 HomeBrew,没有安装的同学参考 让Mac也能拥有apt-get类似的功能——Brew。默认大家已经安装好 Xcode的最新版本,并且安装了命令行编译工具。

  • 安装Git

  • 下载源代码

  • 安装依赖的编译库

  • 编译Caffe

修改其中的编译选项:

然后修改里面的内容,找到如下内容:

去掉注释,修改后如下:

完成设置后, 开始编译

编译好的执行程序在 build/tools/目录下。

Ubuntu 14.04,14.10,16.04编译CPU版本Caffe

最近在学习 Deep Learning,参考一下经典的 Caffe,记录一下编译历程。

  • 安装build-essentials

安装开发所需要的一些基本包

  • 安装OpenCV

图片处理都算依赖 OpenCV,版本号要>=2.4版本,目前 14.0414.10默认的版本都是 2.4

  • 安装数学计算库 ATLAS

ATLAS提供离散数学,线性代数的计算支持

  • 安装 Boost

Boost提供了一系列的 C++算法支持,需要>=1.55版本,目前的 14.0414.10默认的版本都是 1.55

  • 然后就是一些依赖项

protobuf, leveldb, snappy, hdf5, gflags-devel, glog-devel, lmdb-devel

  • 安装 GIT

  • 下载代码

  • 编译 Caffe

然后修改里面的内容,主要需要修改的参数包括
CPU_ONLY是否只使用 CPU模式,没有 GPU没安装 CUDA的同学可以打开这个选项
BLAS (使用 intel mkl还是 OpenBLAS)
完成设置后,开始编译

  • 编译出错的处理

Ubuntu 16.04下编译时候提示:

解决方法:
1. 编辑 Makefile.config,在文件最后,添加 /usr/include/hdf5/serialINCLUDE_DIRS

2.修改 Makefile文件,把 hdf5_hlhdf5修改为 hdf5_serial_hlhdf5_serial,也就是把下面第一行代码改为第二行代码。

原始内容:

修改后的内容:

  • 编译Python接口