OpenFace CoreML 模型。没有人脸检测答案

【问题标题】：OpenFace CoreML model. No face detectionOpenFace CoreML 模型。没有人脸检测
【发布时间】：2019-06-02 11:27:21
【问题描述】：

我正在尽我所能地学习专门针对 iOS 的机器学习。我发现 OpenFace 模型转换为.mlmodel，我可以成功地通过视觉运行它并获得每个人脸的 128 个向量空间表示。

首先，我从项目文件系统中的核心 ML 模型创建 Vision 模型对象。我还从该模型构造了VNCoreMLRequest，并为完成分配了一个函数。

let openFaceModel = try! VNCoreMLModel(for: OpenFace().model)
var request: VNCoreMLRequest = VNCoreMLRequest(model: self.openFaceModel, completionHandler: self.visionResults)

其次，我从相机中获得了 CMSampleBuffer。我用它来执行请求。

func stream(_ pixelBuffer: CMSampleBuffer) {
    guard let cvBuffer = CMSampleBufferGetImageBuffer(buffer) else {
        throw CMBufferProcessorError.cvPixelBufferConversionFailed
    }

    let handler = VNImageRequestHandler(cvPixelBuffer: cvBuffer, options: [:])

    do {
        try handler.perform([self.request])
    }catch{
        print(error)
    }

}

最后，我的函数被分配为VNCoreMLRequest 的完成句柄，结果被调用。

func visionResults(request: VNRequest, error: Error?) {
    guard let features = request.results as? [VNCoreMLFeatureValueObservation] else {
        print("No Results")
        return
    }

    print("Feature Count: \(features.count)")

    for feature in features {
        quickLog(title: "Feature Type", message: "\(feature.featureValue.type.rawValue)")
        quickLog(title: "Feature Value", message: "\(feature.featureValue.multiArrayValue)")
    }
}

我正在成功检索 128 维多数组。现在我根据两个观察提出三个问题。

我观察到即使帧中没有人脸，我也会得到一个唯一的向量。

1) 这是期望的行为吗？如果是这样，我如何过滤表示没有人脸的多数组结果？

我观察到即使帧中有多个面孔，我也只能返回一个结果。

2) 这是该模型的预期行为吗？

感谢您的帮助！

【问题讨论】：

标签： swift computer-vision coreml facial-identification

【解决方案1】：

不确定您使用的是哪个模型（链接？），但如果它仅在单个面孔（而不是多个面孔或没有面孔）上进行过训练，那么一次在多个面孔上使用该模型，或者在任何面孔上都不会给出无用的预测。在这种情况下，您将模型用于所谓的分布外数据，即未经过训练检测的事物。大多数深度学习模型在用于此类 OoD 数据时并不值得信赖。

您可以将其与 Vision 的人脸检测功能结合使用：首先对图像运行人脸检测请求，然后裁剪图像的该区域，然后对每个裁剪运行 OpenFace 模型（对每个单独的图像执行一次）。如果没有检测到人脸，则无需运行 OpenFace。

【讨论】：

谢谢，这真的很有帮助。

【解决方案2】：

OpenFace 适用于单张人脸图像，这就是它经过训练的目的。它不检查输入图像中是否有人脸。它还需要根据眼睛和鼻子对齐裁剪的人脸图像，以便在每个图像中眼睛和鼻子在同一位置。

OpenFace 在训练之前对每个人脸进行归一化处理，因此进入模型的每个人脸图像的眼睛和鼻子都位于同一位置。这使得它可以用更少的图像进行训练。它的参数比 FaceNet 少，这意味着它运行得更快并且需要的磁盘空间更少。

OpenFace 模型以这种方式工作：它将人脸图像作为输入并创建 128 值向量作为输出。这些向量可用于比较和识别人脸，并且每个人脸都是独一无二的。想象一下，将每张脸放在一个 128 维的立方体（3d）中的一个唯一位置。通过这种方式，您可以检查人脸之间的距离，如果距离非常近（阈值 0.99），则可以说两张图片属于同一个人，如果高于阈值，则可以说图片属于两个不同的人。距离度量不过是点的平方差之和（欧几里得距离）。

【讨论】：