CV之FR之MTCNN：基于TF框架利用MTCNN算法检测并对齐人脸图像进(人脸识别/人脸相似度)而得出人脸特征向量从而计算两张人脸图片距离案例应用之详细攻略

目录

基于TF框架利用MTCNN算法检测并对齐人脸图像进(人脸识别/人脸相似度)而得出人脸特征向量从而计算两张人脸图片距离案例应用之详细攻略

输出结果

设计思路

实现代码

计算过程

基于TF框架利用MTCNN算法检测并对齐人脸图像进(人脸识别/人脸相似度)而得出人脸特征向量从而计算两张人脸图片距离案例应用之详细攻略

输出结果

设计思路

实现代码

from scipy import misc
import tensorflow as tf
import numpy as np
import sys
import os
import argparse……

计算过程

prewhitened参数是 [[[ 0.12834621  0.69292342  0.78113861][ 0.12834621  0.69292342  0.78113861][ 0.12834621  0.67528038  0.78113861]...[-1.77710188 -1.77710188 -1.61831454][-1.63595757 -1.65360061 -1.44188416][-1.33602593 -1.35366897 -1.12430948]][[ 0.25184747  0.74585253  0.93992595][ 0.25184747  0.74585253  0.93992595][ 0.28713355  0.74585253  0.93992595]...[-1.77710188 -1.79474492 -1.65360061][-1.75945884 -1.79474492 -1.56538542][-1.63595757 -1.67124365 -1.40659808]][[ 0.28713355  0.78113861  0.97521202][ 0.32241962  0.79878165  0.99285506][ 0.3577057   0.81642468  1.0104981 ]...[-1.77710188 -1.79474492 -1.65360061][-1.77710188 -1.81238795 -1.6006715 ][-1.79474492 -1.81238795 -1.6006715 ]]...[[-0.66559049 -0.41858796  0.07541709][-0.55973227 -0.31272974  0.16363228][-0.5773753  -0.33037278  0.18127532]...[-0.10101328  0.16363228  0.76349557][-0.13629936  0.14598925  0.74585253][-0.25980062  0.05777406  0.65763734]][[-0.82437783 -0.5773753  -0.10101328][-0.66559049 -0.41858796  0.05777406][-0.59501834 -0.34801581  0.16363228]...[-0.13629936  0.09306013  0.71056646][-0.1539424   0.11070317  0.72820949][-0.1539424   0.18127532  0.76349557]][[-0.96552214 -0.71851961 -0.24215759][-0.77144872 -0.52444619 -0.04808417][-0.64794746 -0.40094493  0.11070317]...[-0.18922847  0.05777406  0.67528038][-0.22451455  0.04013102  0.65763734][-0.1539424   0.18127532  0.76349557]]]
prewhitened参数是 [[[-0.41843267  0.01911131  0.37196935][-0.41843267  0.00499698  0.35785503][-0.39020402  0.01911131  0.35785503]...[-0.39020402  0.04733995  0.32962638][-0.43254699  0.00499698  0.30139774][-0.44666131 -0.00911734  0.28728342]][[-0.40431834  0.00499698  0.3437407 ][-0.39020402  0.01911131  0.35785503][-0.36197538  0.01911131  0.3437407 ]...[-0.41843267  0.01911131  0.30139774][-0.44666131 -0.00911734  0.28728342][-0.44666131 -0.00911734  0.28728342]][[-0.40431834  0.00499698  0.32962638][-0.41843267 -0.02323166  0.30139774][-0.33374674  0.04733995  0.37196935]...[-0.41843267  0.01911131  0.30139774][-0.44666131 -0.00911734  0.28728342][-0.46077563 -0.02323166  0.2731691 ]]...[[-1.67460729 -1.67460729 -1.67460729][-1.67460729 -1.67460729 -1.67460729][-1.67460729 -1.67460729 -1.67460729]...[-1.60403568 -1.44877815 -1.19472036][-1.64637865 -1.47700679 -1.25117764][-1.67460729 -1.50523543 -1.27940629]][[-1.67460729 -1.67460729 -1.67460729][-1.67460729 -1.67460729 -1.67460729][-1.67460729 -1.67460729 -1.67460729]...[-1.60403568 -1.44877815 -1.19472036][-1.61815001 -1.44877815 -1.222949  ][-1.66049297 -1.49112111 -1.26529196]][[-1.67460729 -1.67460729 -1.67460729][-1.67460729 -1.67460729 -1.67460729][-1.67460729 -1.67460729 -1.67460729]...[-1.60403568 -1.44877815 -1.19472036][-1.58992136 -1.4205495  -1.19472036][-1.64637865 -1.47700679 -1.25117764]]]
prewhitened参数是 [[[-0.68576058 -0.65851282 -0.6721367 ][-1.21709198 -1.18984422 -1.2034681 ][-0.94461434 -0.91736658 -0.93099046]...[-1.5849368  -1.5031935  -1.5849368 ][-1.14897257 -1.06722928 -1.18984422][-1.0536054  -0.95823822 -1.09447704]][[-1.08085316 -1.06722928 -1.08085316][-1.36695468 -1.3533308  -1.36695468][-1.5031935  -1.48956962 -1.5031935 ]...[-1.39420245 -1.33970692 -1.39420245][-1.42145021 -1.3533308  -1.44869798][-1.38057857 -1.28521139 -1.40782633]][[-0.98548599 -0.98548599 -1.01273375][-1.06722928 -1.06722928 -1.09447704][-1.25796363 -1.25796363 -1.28521139]...[-1.18984422 -1.18984422 -1.21709198][-1.02635763 -1.02635763 -1.06722928][-1.31245916 -1.29883527 -1.36695468]]...[[ 1.2215829   1.24883066  1.23520678][ 1.23520678  1.26245454  1.24883066][ 1.23520678  1.26245454  1.24883066]...[ 0.43139774  0.44502162  0.49951715][ 0.41777386  0.43139774  0.48589327][ 0.43139774  0.44502162  0.49951715]][[ 1.23520678  1.26245454  1.24883066][ 1.2215829   1.24883066  1.23520678][ 1.20795901  1.23520678  1.2215829 ]...[ 0.48589327  0.49951715  0.55401268][ 0.47226939  0.48589327  0.5403888 ][ 0.47226939  0.48589327  0.5403888 ]][[ 1.19433513  1.2215829   1.20795901][ 1.16708737  1.19433513  1.18071125][ 1.15346349  1.18071125  1.16708737]...[ 0.67662762  0.6902515   0.74474703][ 0.70387538  0.71749926  0.77199479][ 0.73112314  0.74474703  0.79924255]]]
prewhitened参数是 [[[-1.35183598 -1.45036667 -1.43805033][-1.32720331 -1.38878499 -1.38878499][-1.35183598 -1.425734   -1.425734  ]...[ 1.43165578  1.41933944  1.46860478][ 1.44397211  1.41933944  1.46860478][ 1.45628845  1.40702311  1.45628845]][[-1.52426468 -1.56121368 -1.54889735][-1.56121368 -1.59816269 -1.58584635][-1.51194834 -1.54889735 -1.53658101]...[ 1.40702311  1.38239044  1.43165578][ 1.41933944  1.39470677  1.44397211][ 1.43165578  1.39470677  1.45628845]][[-1.57353002 -1.59816269 -1.58584635][-1.57353002 -1.59816269 -1.58584635][-1.52426468 -1.54889735 -1.53658101]...[ 1.41933944  1.39470677  1.45628845][ 1.40702311  1.3700741   1.44397211][ 1.44397211  1.41933944  1.46860478]]...[[ 1.48092112  1.48092112  1.48092112][ 1.48092112  1.48092112  1.48092112][ 1.48092112  1.48092112  1.48092112]...[-0.71138655 -0.77296823 -0.69907022][-0.77296823 -0.8345499  -0.76065189][-0.8345499  -0.89613158 -0.82223357]][[ 1.48092112  1.48092112  1.48092112][ 1.48092112  1.48092112  1.48092112][ 1.48092112  1.48092112  1.48092112]...[-0.88381524 -0.94539692 -0.87149891][-0.95771326 -1.01929493 -0.94539692][-0.36652917 -0.42811084 -0.35421283]][[ 1.48092112  1.48092112  1.48092112][ 1.48092112  1.48092112  1.48092112][ 1.48092112  1.48092112  1.48092112]...[-0.8345499  -0.92076425 -0.8345499 ][-0.48969252 -0.57590686 -0.48969252][-0.00935544 -0.09556979 -0.00935544]]]images参数 [[[[ 0.12834621  0.69292342  0.78113861][ 0.12834621  0.69292342  0.78113861][ 0.12834621  0.67528038  0.78113861]...[-1.77710188 -1.77710188 -1.61831454][-1.63595757 -1.65360061 -1.44188416][-1.33602593 -1.35366897 -1.12430948]][[ 0.25184747  0.74585253  0.93992595][ 0.25184747  0.74585253  0.93992595][ 0.28713355  0.74585253  0.93992595]...[-1.77710188 -1.79474492 -1.65360061][-1.75945884 -1.79474492 -1.56538542][-1.63595757 -1.67124365 -1.40659808]][[ 0.28713355  0.78113861  0.97521202][ 0.32241962  0.79878165  0.99285506][ 0.3577057   0.81642468  1.0104981 ]...[-1.77710188 -1.79474492 -1.65360061][-1.77710188 -1.81238795 -1.6006715 ][-1.79474492 -1.81238795 -1.6006715 ]]...[[-0.66559049 -0.41858796  0.07541709][-0.55973227 -0.31272974  0.16363228][-0.5773753  -0.33037278  0.18127532]...[-0.10101328  0.16363228  0.76349557][-0.13629936  0.14598925  0.74585253][-0.25980062  0.05777406  0.65763734]][[-0.82437783 -0.5773753  -0.10101328][-0.66559049 -0.41858796  0.05777406][-0.59501834 -0.34801581  0.16363228]...[-0.13629936  0.09306013  0.71056646][-0.1539424   0.11070317  0.72820949][-0.1539424   0.18127532  0.76349557]][[-0.96552214 -0.71851961 -0.24215759][-0.77144872 -0.52444619 -0.04808417][-0.64794746 -0.40094493  0.11070317]...[-0.18922847  0.05777406  0.67528038][-0.22451455  0.04013102  0.65763734][-0.1539424   0.18127532  0.76349557]]][[[-0.41843267  0.01911131  0.37196935][-0.41843267  0.00499698  0.35785503][-0.39020402  0.01911131  0.35785503]...[-0.39020402  0.04733995  0.32962638][-0.43254699  0.00499698  0.30139774][-0.44666131 -0.00911734  0.28728342]][[-0.40431834  0.00499698  0.3437407 ][-0.39020402  0.01911131  0.35785503][-0.36197538  0.01911131  0.3437407 ]...[-0.41843267  0.01911131  0.30139774][-0.44666131 -0.00911734  0.28728342][-0.44666131 -0.00911734  0.28728342]][[-0.40431834  0.00499698  0.32962638][-0.41843267 -0.02323166  0.30139774][-0.33374674  0.04733995  0.37196935]...[-0.41843267  0.01911131  0.30139774][-0.44666131 -0.00911734  0.28728342][-0.46077563 -0.02323166  0.2731691 ]]...[[-1.67460729 -1.67460729 -1.67460729][-1.67460729 -1.67460729 -1.67460729][-1.67460729 -1.67460729 -1.67460729]...[-1.60403568 -1.44877815 -1.19472036][-1.64637865 -1.47700679 -1.25117764][-1.67460729 -1.50523543 -1.27940629]][[-1.67460729 -1.67460729 -1.67460729][-1.67460729 -1.67460729 -1.67460729][-1.67460729 -1.67460729 -1.67460729]...[-1.60403568 -1.44877815 -1.19472036][-1.61815001 -1.44877815 -1.222949  ][-1.66049297 -1.49112111 -1.26529196]][[-1.67460729 -1.67460729 -1.67460729][-1.67460729 -1.67460729 -1.67460729][-1.67460729 -1.67460729 -1.67460729]...[-1.60403568 -1.44877815 -1.19472036][-1.58992136 -1.4205495  -1.19472036][-1.64637865 -1.47700679 -1.25117764]]][[[-0.68576058 -0.65851282 -0.6721367 ][-1.21709198 -1.18984422 -1.2034681 ][-0.94461434 -0.91736658 -0.93099046]...[-1.5849368  -1.5031935  -1.5849368 ][-1.14897257 -1.06722928 -1.18984422][-1.0536054  -0.95823822 -1.09447704]][[-1.08085316 -1.06722928 -1.08085316][-1.36695468 -1.3533308  -1.36695468][-1.5031935  -1.48956962 -1.5031935 ]...[-1.39420245 -1.33970692 -1.39420245][-1.42145021 -1.3533308  -1.44869798][-1.38057857 -1.28521139 -1.40782633]][[-0.98548599 -0.98548599 -1.01273375][-1.06722928 -1.06722928 -1.09447704][-1.25796363 -1.25796363 -1.28521139]...[-1.18984422 -1.18984422 -1.21709198][-1.02635763 -1.02635763 -1.06722928][-1.31245916 -1.29883527 -1.36695468]]...[[ 1.2215829   1.24883066  1.23520678][ 1.23520678  1.26245454  1.24883066][ 1.23520678  1.26245454  1.24883066]...[ 0.43139774  0.44502162  0.49951715][ 0.41777386  0.43139774  0.48589327][ 0.43139774  0.44502162  0.49951715]][[ 1.23520678  1.26245454  1.24883066][ 1.2215829   1.24883066  1.23520678][ 1.20795901  1.23520678  1.2215829 ]...[ 0.48589327  0.49951715  0.55401268][ 0.47226939  0.48589327  0.5403888 ][ 0.47226939  0.48589327  0.5403888 ]][[ 1.19433513  1.2215829   1.20795901][ 1.16708737  1.19433513  1.18071125][ 1.15346349  1.18071125  1.16708737]...[ 0.67662762  0.6902515   0.74474703][ 0.70387538  0.71749926  0.77199479][ 0.73112314  0.74474703  0.79924255]]][[[-1.35183598 -1.45036667 -1.43805033][-1.32720331 -1.38878499 -1.38878499][-1.35183598 -1.425734   -1.425734  ]...[ 1.43165578  1.41933944  1.46860478][ 1.44397211  1.41933944  1.46860478][ 1.45628845  1.40702311  1.45628845]][[-1.52426468 -1.56121368 -1.54889735][-1.56121368 -1.59816269 -1.58584635][-1.51194834 -1.54889735 -1.53658101]...[ 1.40702311  1.38239044  1.43165578][ 1.41933944  1.39470677  1.44397211][ 1.43165578  1.39470677  1.45628845]][[-1.57353002 -1.59816269 -1.58584635][-1.57353002 -1.59816269 -1.58584635][-1.52426468 -1.54889735 -1.53658101]...[ 1.41933944  1.39470677  1.45628845][ 1.40702311  1.3700741   1.44397211][ 1.44397211  1.41933944  1.46860478]]...[[ 1.48092112  1.48092112  1.48092112][ 1.48092112  1.48092112  1.48092112][ 1.48092112  1.48092112  1.48092112]...[-0.71138655 -0.77296823 -0.69907022][-0.77296823 -0.8345499  -0.76065189][-0.8345499  -0.89613158 -0.82223357]][[ 1.48092112  1.48092112  1.48092112][ 1.48092112  1.48092112  1.48092112][ 1.48092112  1.48092112  1.48092112]...[-0.88381524 -0.94539692 -0.87149891][-0.95771326 -1.01929493 -0.94539692][-0.36652917 -0.42811084 -0.35421283]][[ 1.48092112  1.48092112  1.48092112][ 1.48092112  1.48092112  1.48092112][ 1.48092112  1.48092112  1.48092112]...[-0.8345499  -0.92076425 -0.8345499 ][-0.48969252 -0.57590686 -0.48969252][-0.00935544 -0.09556979 -0.00935544]]]]
(4, 160, 160, 3)

CV之FR之MTCNN：基于TF框架利用MTCNN算法检测并对齐人脸图像进(人脸识别/人脸相似度)而得出人脸特征向量从而计算两张人脸图片距离案例应用之详细攻略相关推荐

  1. ML之XGBoost：XGBoost算法模型(相关配图)的简介(XGBoost并行处理)、关键思路、代码实现(目标函数/评价函数)、安装、使用方法、案例应用之详细攻略

    ML之XGBoost:XGBoost算法模型(相关配图)的简介.关键思路.代码实现(目标函数/评价函数).安装.使用方法.案例应用之详细攻略 目录 XGBoost算法模型(相关配图)的简介 1.XGB ...

  2. DL之CNN：计算机视觉之卷积神经网络算法的简介(经典架构/论文)、CNN优化技术、调参学习实践、CNN经典结构及其演化、案例应用之详细攻略

    DL之CNN:计算机视觉之卷积神经网络算法的简介(经典架构/论文).CNN优化技术.调参学习实践.CNN经典结构.案例应用之详细攻略 目录 卷积神经网络算法的简介 0.Biologically Ins ...

  3. CV之IC：计算机视觉之图像分类(Image Classification)方向的简介、使用方法、案例应用之详细攻略

    CV之IC:计算机视觉之图像分类(Image Classification)方向的简介.使用方法.案例应用之详细攻略 目录 图像分类的简介 1.相关概念 2.深度网络模型的开端 3.图像分类网络模型的 ...

  4. CV之FR：计算机视觉之人脸识别(Face Recognition)方向的简介、代码实现、案例应用之详细攻略

    CV之FR:计算机视觉之人脸识别(Face Recognition)方向的简介.代码实现.案例应用之详细攻略 目录 人脸识别简介 1.人脸识别的任务 2.人脸识别常用数据集 3.损失函数 4.网络模型 ...

  5. TF学习——TF之API：TensorFlow的高级机器学习API—tf.contrib.learn的简介、使用方法、案例应用之详细攻略

    TF学习--TF之API:TensorFlow的高级机器学习API-tf.contrib.learn的简介.使用方法.案例应用之详细攻略 目录 tf.contrib.learn的简介 tf.contr ...

  6. DL框架：主流深度学习框架(TensorFlow/Pytorch/Caffe/Keras/CNTK/MXNet/Theano/PaddlePaddle)简介、多个方向比较、案例应用之详细攻略

    DL框架:主流深度学习框架(TensorFlow/Pytorch/Caffe/Keras/CNTK/MXNet/Theano/PaddlePaddle)简介.多个方向比较.案例应用之详细攻略 目录 深 ...

  7. BigData之Hadoop：Hadoop框架(分布式系统基础架构)的简介(两大核心【HDFS存储和MapReduce计算】)、深入理解、下载、案例应用之详细攻略

    BigData之Hadoop:Hadoop框架(分布式系统基础架构)的简介(两大核心[HDFS存储和MapReduce计算]).深入理解.下载.案例应用之详细攻略 目录 Hadoop的简介(分布式系统 ...

  8. NLP之Chatgpt：基于openai框架通过调用API接口实现Chatgpt的吊炸天功能的图文教程(基于python代码实现)、案例应用之详细攻略

    NLP之Chatgpt:基于openai框架通过调用API接口实现Chatgpt的吊炸天功能的图文教程(基于python代码实现).案例应用之详细攻略 导读:2023年1月30日版本更新,以下是最新消 ...

  9. BigData之Hadoop：Hadoop的简介、深入理解、下载、案例应用之详细攻略

    BigData之Hadoop:Hadoop的简介.深入理解.下载.案例应用之详细攻略 目录 Hadoop的简介 1.HDFS体系结构图 Hadoop的深入理解 0.深入了解Hadoop的其它相关基础知 ...

最新文章

  1. linux驱动：音频驱动（三）ASoc之machine驱动及card初始化
  2. 系统学习NLP（三）--NLP入门综述
  3. 龙族幻想最新东京机器人位置_龙族幻想：东京·白月境活动介绍
  4. 联合概率分布的学习笔记
  5. VB6之从1970年1月1日起的秒数 的与C语言类似的时间函数
  6. matlab模板,matlab模板匹配
  7. 颈椎前路caspar撑开器_Mobi-C人工颈椎间盘在颈前路手术的临床应用
  8. Word2010图片组合
  9. 计算机相关课程考核,计算机专业编程实践类课程考核方法
  10. 每天一大杯可乐，会不会骨质酥松哇？
  11. DQN玩Atari游戏安装atari环境bug指南
  12. Git - 版本穿梭(时光穿梭机)
  13. tan5度用计算机怎么算,tan5度(tan5度怎么求)
  14. 程序猿有话说：计算机，学着挺有意思的，就是头冷
  15. 网易视频云谈视频云的根基：云计算的介绍
  16. something about Android activity
  17. bjui的validate表单验证的使用
  18. 扣扣位数限制（练习）
  19. 刷新token重新请求接口
  20. 5个让你爱上做计划的计划管理软件，每一个都非常好用！

热门文章

  1. 一篇文章让你看懂什么是RTK定位
  2. 【laravel】门面：重载、延迟静态绑定、注册树模式、外观模式、Mockery
  3. Ubuntu远程桌面连接
  4. Win32 GDI TextOut与DrawText低效率深坑问题
  5. matlab u怎么求均方差,MATLAB中均值、方差、均方差的计算方法
  6. Win10有启动声效？3秒教你自定义启动声音，开机逼格满满！
  7. 自定义Dialog布局
  8. 【Python自动化办公】实现excel表中的数据批量导入到word指定位置（表格形式和下滑线形式）
  9. android dialog 自定义布局,Android自定义Dialog实现加载对话框效果
  10. 收高德仍无解，阿里还有三步棋