Sur cette page tu es sur le point d'apprendre à créer une technologie utilisée par la chine pour
Oui, c'est ce genre de chose, aussi horrible soit-elle, qu'il est possible de faire en utilisant la reconnaissance faciale !
Tout au long de cet article, je te conseillerais même de commencer déjà à réfléchir à déjouer les différents systèmes qu'on verra ensemble !
Car sais t'on jamais, le gouvernement français
et donc il y a de plus en plus de caméra partout !
A l'instant ou j'écris ce tutoriel les radar tourelle !
Des radar capable de détecter si
sont en train d'être installé dans ma région !
d'ailleurs ils ont même déjà choppé une collègue de ma mère.
Elle a reçu un jolis petit courrier recommandé chez elle si tu vois ce que je veux dire !
Elle s'est vite empressé de payer l'amende même si elle n'était pas convaincu des faits ! Elle préférait payer que de tenter de faire recours au gouvernement !
C'est ce que ma mère m'a raconté dernièrement.
Mais savait tu que la technologie de reconnaissance d'image que l'on verra dans cet article est la même que les force de l'odre utilise pour savoir si tu téléphone au volant !
Ou encore pour savoir si
quand tu est au volant.
Horrible n'est-ce pas !
Seule bonne nouvelle, elle est à la porté de tout un chacun comme je vais te le montrer dans cet article.
Caméra de surveillance
Pour faire de la reconnaissance faciale, il faut premièrement créer un jeux de données d'images.
Cela peut se faire de différentes façons :
Utiliser des photos en ta possession puis utiliser une méthode de détection de visage
Utiliser une vidéo la concasser en images puis encore une fois, utiliser une méthode de détection de visage
Utiliser une API d'image pour télécharger des images de visage tels que Bing Image search API.
Un truc cool avec le deep learning,c 'est qu'il a permis d'améliorer la performance de tous les algoritme de reconnaisance d'image existant .
Et la reconnaissance faciale n'échappe pas à cette règle.
La ou l'on utilisait des local binary pattern auparavant ou encore l'analyse en composante principale des technique créée par l'homme aujourd'hui l'on utilise, un vecteur de caractéristique de dimension 128 qui a été automatiquement généré par un gros réseau convolutif de neurones.
Je vais pas réécrire un article entier sur ce type de réseau de neurones. Si tu veux le savoir, reporte toi à cet article que j'ai écrit : Réseaux de neurones convolutifs.
Ci dessous tu peux voir le schéma d'un réseau de neurones convolutif.
Schéma du réseau convolutionnel de neurones :
En entrée de ce réseaux comme on y envoi une image.
Cette image, va ensuite être modifiée plusieurs fois et donné naissance à différente images sous l'action des filtres du réseau de neurones.
Chacune des images seront réduite à la suite d'une opération de pooling. Cette dernière, à pour but de résumer l'information se trouvant dans l'image.
Les deux étapes que je viens de citer sont nommer respectivement "convolution" et "pooling".
Elle sont répéter autant de fois que le concepteur du réseau le souhaite.
En effet, pour le faire, ce dernier n'a juste qu'a ajouter au réseau une couche de convolution, à la suite de laquelle, il ajoutera une couche de pooling.
De nouvelle images sont alors générée et la taille de celle-ci est alors réduites jusqu'a ce quelle soit écrasé par une couche flatten et envoyé en entrée d'un percetron multi-couches.
Tu l'as donc probablement compris, le but de toute ces opération de convolution et de pooling est de prémacher le boulot, afin de pouvoir envoyé les informations extraites de l'image à un perceptron multi-couches.
Exactement comme l'aurait fait un ingénieur en traitement d'images traditionnel, mise à part que cette fois ci c'est totalement automatique.
Le réseau de neurones convolutifs que l'on va utiliser pour la reconnaissance faciale est basé sur l'architecture présenté dans l'article de recherche suivant : Deep Residual Learning for Image Recognition qui se nomme : ResNet-34.
Il a un taux de reconnaissance de 99.38 % sur le jeu de de données Labeled Faces in the Wild composé de plus de 3 millions d'image de visage.
La librairie face recognition a été inventé par Adam Geitgey et est basé sur la librairie c++ de deep learning dlib.
Pour insta
pip install dlib --verbose