Technische Lösungen für das Problem der ID-Fotos
Die üblichen Merkmale in Ausweisdokumenten, wie z. B. ein positives, streng nach vorne gerichtetes Gesicht und ein neutraler Gesichtsausdruck, können zu einer Fehleinschätzung von DeepFace führen, die durch die folgenden Methoden verbessert werden kann:
- Zwangsanpassung: Zuerst verwenden
DeepFace.detectFace()Extrahieren ausgerichteter Gesichtsregionen zur Gewährleistung der Standardisierung der Eingabe - <strong]Erweiterte Erkennungsparameter: Einstellungen
align=TrueGleichzeitig werden die Anpassungendetector_backend='ssd'Anpassung an die Merkmale der Vorderseite - <strong]Synthetische DatenanreicherungManuelles Erzeugen von ±15 Grad Ablenkungsmustern und Mustern für leichte Ausdrucksänderungen für ID-Fotos
- MultifunktionsfusionZusätzlich zur Einbettung des Gesichts werden geometrische Merkmale wie der Augenabstand und die Proportionen des Nasenrückens kombiniert, um die Beurteilung zu erleichtern.
Optimierungsvorschläge für spezielle Szenarien: 1) Banken und andere Institutionen können spezielle positive Gesichtsmodelle erstellen; 2) Für spezielle Ausdrücke wie Blinzeln die Sentiment-Analyse deaktivieren (actions=['age','gender']); 3) Verwendungnormalization='base'Änderung der Art und Weise, wie die Merkmale normalisiert werden. Mit diesen Anpassungen kann die Erfolgsquote der ID-Fotoerkennung um 20-30% verbessert werden.
Diese Antwort stammt aus dem ArtikelDeepFace: eine leichtgewichtige Python-Bibliothek zur Erkennung von Alter, Geschlecht, Emotionen und Ethnie im GesichtDie
