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
：
：
：
：
数据集：
TensorFlow datasets：
Kaggle datasets：
免费运算资源：
Google Colab:
Kaggle:
App代码借鉴：
tflite Demo：
人脸检测：
程序、源码、tflite模型等文件
人脸口罩识别App下载地址：
tflite模型地址：
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。。。。
上一篇：
JS实现多线程数据分片下载