/Face_ID

Primary LanguagePython

Python 

FACE ID

Библиотека с функциями определения схожести лиц

Навигация

Установка проекта на ПК

  1. Откройте консоль, вбив в поисковике ПК: cmd
  2. Перейдите в директорию, куда хотите установить проект, пропишите следующую команду в консоль: cd N:\Путь\до\папки\с\проектами
  3. Введите следующую команду: git clone https://github.com/GeekNekoS/Face_ID.git
  4. Откройте скачанный проект и можете приступать к разработке

Настройка готового проекта

  • Версия Python: 3.11
  • После скачивания проекта к себе на компьютер не забудьте установить необходимые зависимости, прописав к консоли команду: pip install -r requirements.txt

Инструкция по установке Cuda

  1. Откройте PowerShell от имени администратора

  2. Проверьте, что оказались в папке system32

  3. Введите команду wsl --install

  4. Подождите (долгую) установку ubuntu в windows 10-11

  5. Зарегистрируйте Unix пользователя

  6. Создайте venv через Ubuntu: https://www.jetbrains.com/help/pycharm/using-wsl-as-a-remote-interpreter.html#wsl-terminal img.png img.png

  7. Активируйте виртуальное окружение: source venv/bin/activate

  8. Зарегистрируйтесь разработчиком Nvidia: https://developer.nvidia.com/developer-program img.png

  9. Скачайте и установите новый драйвер под свою видеокарту (проверить её характеристики можете следующим образом: диспетчер задач -> производительность -> Графический процессор Nvidia) с сайта Nvidia: https://www.nvidia.com/drivers img.png

  10. Скачайте и установите cuda toolkit 11.8 для Вашей ОС Windows (там будет примерно 3 гига): https://developer.nvidia.com/cuda-11-8-0-download-archive

img.png 11. Запустите check_video_cards_visibility.py, чтобы проверить видимость видеокарт, если не появляется сообщение "Не вижу видеокарт!", шаг 12. можно пропустить 12. Скачайте и установите cudnn 9.0: https://developer.nvidia.com/cudnn-downloads 13. Обновите pip: pip install --upgrade pip 14. Установите tensorflow с Cuda: pip install tensorflow[and-cuda] 15. Установите Keras: pip install --upgrade keras==3.0.0 16. Обновление Keras-cv, чтобы виделись зависимости:pip install --upgrade keras-cv tensorflow 17. Обновление Keras: pip install --upgrade keras 18. Чтобы устанавливать последние изменения для KerasCV и Keras, вы можете воспользоваться пакетом nightly: pip install --upgrade keras-cv-nightly tf-nightly 19. pip install tensorrt

Полезные команды

  • Активация виртуального окружения (Ubuntu): source venv/bin/activate
  • Сохранить список зависимостей в файл requirements.txt: pip freeze > requirements.txt
  • Отобразить зависимости в консоль: pip list
  • Удалить файл из контроля версий: git rm --cache [путь до файла]
  • Удалить все зависимости: pip uninstall -y -r requirements.txt
  • Установить зависимости: pip install -r requirements.txt

Основные технологии / фрейморки

  • TensorFlow (Keras) - библиотека для глубокого обучения, которая предоставляет инструменты для создания и обучения моделей нейронных сетей
  • OpenCV - библиотека для обработки изображений, которая предоставляет широкий функционал для обработки изображений, включая детекцию лиц, изменение размеров и выравнивание
  • Dlib - библиотека для извлечения признаков, которая предоставляет мощные инструменты для детекции лиц и извлечения признаков
  • Scikit-learn - библиотека для сравнения и оценки сходства, содержит алгоритмы для сравнения и оценки точности моделей
  • Pillow - библиотека для обработки файлов изображений в разных форматах, включая JPEG и PNG, и проведения изменения размеров и преобразование форматов

Полезная информация

Основные зависимости

  1. Если работаете через Local terminal (Windows PowerShell) без Cuda: pip install tensorflow==2.15.0 keras==2.15.0 pillow==10.2.0

  2. Если работаете через Ubuntu terminal и установили Cuda: pip install tensorflow==2.15.0.post1 keras==3.0.0 pillow==10.2.0

  3. For Build a Deep Face Detection Model with Python and Tensorflow guide: pip install labelme tensorflow tensorflow-gpu opencv-python matplotlib albumentations opencv-contrib-python pillow

Исправление возможных ошибок

  • Если вы столкнулись с ошибкой ImportError: libGL.so.1: cannot open shared object file: No such file or directory в Ubuntu, вы можете решить проблему, выполнив следующие действия:
  1. Установите недостающую библиотеку libgl1-mesa-glx, запустив следующую команду в терминале: sudo apt-get install libgl1-mesa-glx
  2. Если необходимо, обновите кэш динамического связывания с помощью команды: sudo ldconfig
  3. Проверьте, что пакет libgl1-mesa-glx правильно установлен, выполните команду: dpkg -l | grep libgl1-mesa-glx Если пакет правильно установлен, его статус будет отображаться в выводе команды
  4. Перезапустите ваше приложение или перезапустите систему, чтобы динамические библиотеки обновились.

Музычка для разработки [Neko's edition]

Deep Drum and Bass Mix ♡
Don't You Stasis (V O E Remix)
Black Sun Empire: Podcast 04 HQ
Gothic Choirs and Ancient Cults
Rhan-Tegoth Part 1, Rhan-Tegoth Part 2
Celestial Warchants
Shadowlands