人脸口罩识别_APP开发

程序运行展示

   

程序相关说明

代码逻辑实现  

• 使用tensorflow2.x训练的模型，可使用迁移学习减少训练参数，导出的tflite模型体积较小
• 相机模块使用CameraX，人脸检测模块使用Google的mlkit（本人不会在Android中使用openCV，个人觉得mlkit接口很友好）
• 由于训练的数据集中没有图片无人脸的情况，需要使用人脸检测模块来辅助该模型，只有出现人脸时才使用模型解释器来推断

参考资料和代码

学习网址

Keras中文文档：主页 - Keras 中文文档

机器学习速成课：https://developers.google.com/machine-learning/crash-course

TensorFlow学习教程：https://www.tensorflow.org/tutorials

TensorFlow Python API：https://www.tensorflow.org/api_docs/python/tf

数据集：

TensorFlow datasets：https://www.tensorflow.org/datasets

Kaggle datasets：Find Open Datasets and Machine Learning Projects | Kaggle

免费运算资源：

Google Colab: https://colab.research.google.com

Kaggle: Kaggle Competitions

App代码借鉴：

tflite Demo：https://github.com/tensorflow/examples

人脸检测：https://github.com/googlesamples/mlkit/tree/master/android/vision-quickstart

程序、源码、tflite模型等文件

人脸口罩识别App下载地址：FaceMaskDetect.apk_口罩检测app-深度学习文档类资源-CSDN下载

源码地址：https://github.com/kailanguage/FaceMaskDetect

tflite模型地址：face_mask_detect_usetf.tflite_口罩检测android-深度学习文档类资源-CSDN下载

tflite模型训练代码：私聊

个人总结

模型训练和Android App开发是完全独立的，我们需要训练好一个模型或者下载别人训练好的模型。

很多时候要自己去训练一个模型，往往会受限于数据集和运算资源。在tensorflow lite 中的一个1k种类物体检测的demo，虽然模型很小，但是该模型是通过上百G的训练集训练出来的，而且经过量化之后导出的模型，在代码中是否为量化的模型也需要注意修改相关地方

在开发对应模型的App时，需要明确模型能处理图片的格式，如大小、颜色等。

总之Android上深度学习模型的离线推断实在是有很多坑。。。。