चेहरे की पहचान गाइड

MediaPipe Face Detector टास्क की मदद से, किसी इमेज या वीडियो में चेहरों का पता लगाया जा सकता है. इस टास्क का इस्तेमाल करके, किसी फ़्रेम में चेहरों और चेहरे की विशेषताओं का पता लगाया जा सकता है. इस टास्क के लिए, मशीन लर्निंग (एमएल) मॉडल का इस्तेमाल किया जाता है. यह मॉडल, एक इमेज या लगातार स्ट्रीम की जा रही इमेज के साथ काम करता है. इस टास्क से चेहरे की जगहों के साथ-साथ, चेहरे के इन मुख्य बिंदुओं की जानकारी मिलती है: बाईं आंख, दाईं आंख, नाक का सिरा, मुंह, बाईं आंख का ट्रैगियन, और दाईं आंख का ट्रैगियन.

इसे आज़माएं!arrow_forward

शुरू करें

अपने टारगेट प्लैटफ़ॉर्म के लिए, लागू करने से जुड़ी इन गाइड में से किसी एक का पालन करके, इस टास्क का इस्तेमाल शुरू करें. प्लैटफ़ॉर्म के हिसाब से बनी इन गाइड में, इस टास्क को लागू करने का बुनियादी तरीका बताया गया है. इसमें सुझाया गया मॉडल और कॉन्फ़िगरेशन के सुझाए गए विकल्पों के साथ कोड का उदाहरण भी शामिल है:

• Android - कोड का उदाहरण - गाइड
• Python - कोड का उदाहरण- गाइड
• वेब - कोड का उदाहरण - गाइड
• iOS - कोड का उदाहरण - गाइड

टास्क की जानकारी

इस सेक्शन में, इस टास्क की क्षमताओं, इनपुट, आउटपुट, और कॉन्फ़िगरेशन के विकल्पों के बारे में बताया गया है.

सुविधाएं

• इनपुट इमेज प्रोसेसिंग - प्रोसेसिंग में इमेज को घुमाना, उसका साइज़ बदलना, सामान्य करना, और कलर स्पेस बदलना शामिल है.
• स्कोर थ्रेशोल्ड - अनुमानित स्कोर के आधार पर नतीजों को फ़िल्टर करें.

कॉन्फ़िगरेशन के विकल्प

इस टास्क के लिए, ये कॉन्फ़िगरेशन विकल्प उपलब्ध हैं:

मॉडल

चेहरे की पहचान करने वाले मॉडल अलग-अलग हो सकते हैं. यह इस बात पर निर्भर करता है कि उन्हें किस तरह के मामलों में इस्तेमाल करना है. जैसे, कम दूरी और ज़्यादा दूरी से पहचान करना. मॉडल आम तौर पर परफ़ॉर्मेंस, सटीकता, रिज़ॉल्यूशन, और संसाधन की ज़रूरी शर्तों के बीच समझौता करते हैं. साथ ही, कुछ मामलों में अतिरिक्त सुविधाएं भी शामिल करते हैं.

इस सेक्शन में दिए गए मॉडल, BlazeFace के वैरिएंट हैं. यह एक हल्का और सटीक फ़ेस डिटेक्टर है. इसे मोबाइल जीपीयू इन्फ़रेंस के लिए ऑप्टिमाइज़ किया गया है. BlazeFace मॉडल, 3D फ़ेशियल कीपॉइंट का अनुमान लगाने, एक्सप्रेशन क्लासिफ़िकेशन, और चेहरे के हिस्से के सेगमेंटेशन जैसे ऐप्लिकेशन के लिए सही हैं. BlazeFace, MobileNetV1/V2 की तरह ही, कम मेमोरी इस्तेमाल करने वाले फ़ीचर एक्सट्रैक्शन नेटवर्क का इस्तेमाल करता है.

BlazeFace (कम दूरी के लिए)

यह एक लाइटवेट मॉडल है. इसका इस्तेमाल, स्मार्टफ़ोन के कैमरे या वेबकैम से ली गई सेल्फ़ी जैसी इमेज में एक या एक से ज़्यादा चेहरों का पता लगाने के लिए किया जाता है. इस मॉडल को, फ़ोन के सामने वाले कैमरे से ली गई कम दूरी की इमेज के लिए ऑप्टिमाइज़ किया गया है. मॉडल आर्किटेक्चर, कस्टम एनकोडर के साथ सिंगल शॉट डिटेक्टर (एसएसडी) कनवोल्यूशनल नेटवर्क तकनीक का इस्तेमाल करता है. ज़्यादा जानकारी के लिए, सिंगल शॉट मल्टीबॉक्स डिटेक्टर पर रिसर्च पेपर देखें.

BlazeFace (फ़ुल-रेंज)

यह एक हल्का मॉडल है. इसका इस्तेमाल, स्मार्टफ़ोन के कैमरे या वेबकैम से ली गई इमेज में एक या उससे ज़्यादा चेहरों का पता लगाने के लिए किया जाता है. इस मॉडल को फ़ुल-रेंज वाली इमेज के लिए ऑप्टिमाइज़ किया गया है. जैसे, फ़ोन के बैक कैमरे से ली गई इमेज. मॉडल आर्किटेक्चर, कस्टम एन्कोडर के साथ CenterNet कनवोल्यूशनल नेटवर्क जैसी तकनीक का इस्तेमाल करता है.

BlazeFace Sparse (फ़ुल-रेंज)

यह BlazeFace मॉडल का लाइट वर्शन है. इसका साइज़, रेगुलर फ़ुल-रेंज BlazeFace मॉडल के मुकाबले करीब 60% छोटा है. इस मॉडल को फ़ुल-रेंज वाली इमेज के लिए ऑप्टिमाइज़ किया गया है. जैसे, फ़ोन के बैक कैमरे से ली गई इमेज. मॉडल आर्किटेक्चर, कस्टम एन्कोडर के साथ CenterNet कन्वलूशनल नेटवर्क जैसी तकनीक का इस्तेमाल करता है.

टास्क के बेंचमार्क

यहां ऊपर दिए गए प्री-ट्रेन किए गए मॉडल के आधार पर, पूरी पाइपलाइन के लिए टास्क बेंचमार्क दिए गए हैं. लेटेंसी का नतीजा, Pixel 6 पर सीपीयू / जीपीयू का इस्तेमाल करके मिली औसत लेटेंसी है.