Skip to content

irfanhanif/SikemasFaceRecognition

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

7 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

Face Recognition Sikemas

Ini adalah modul untuk face recognition Sikemas IF (Sistem Kehadiran Mahasiswa Informatika ITS) menggunakan OpenFace, Torch dan Scikit-Learn. Pastikan ketiga library itu sudah terinstall pada sistem.

Langkah-Langkah Instalasi

  1. Clone repository ini
  2. Download PreTrained shape_predictor_68_face_landmarks.dat dan letakkan pada direktori yang sama dengan repository ini.
  3. Download PreTrained Convolutional Neural Networks nn4.small2.v1.t7 dan letakkan pada direktori yang sama dengan repository ini.
  4. Letakkan direktori master OpenFace pada direktori yang sama juga.

Langkah-Langkah Training

Penting: Setiap kelas akan memiliki model klasifikasinya sendiri sehingga proses training akan sebanyak jumlah kelas yang menggunakan Sikemas. Ikuti langkah-langkahnya sebagai berikut:

  1. Pada direktori yang sama dengan instalasi modul ini, buat direktori dengan nama kelas dengan menjalankan sudo mkdir kelas pada terminal.
  2. Jalankan sudo ./create.sh PBKK-A untuk proses training pada kelas PBKK-A.
  3. Masuk ke direktori PBKK-A dengan cd kelas/PBKK-A. Pada direktori ini, harusnya tedapat direktori PBKK-A/training-images/ hasil dari script bash pada langkah 2.
  4. Copy semua data gambar mahasiswa pada direktori PBKK-A/training-images/. Tentunya berisi data mahasiswa yang mengikuti kelas PBKK-A. Setiap data gambar mahasiswa dijadikan satu direktori dan direktorinya dinamai dengan NRP mahasiswa tersebut. Sebagai contoh:
    • PBKK-A/training-images/5114100177
    • PBKK-A/training-images/5114100024
    • PBKK-A/training-images/5114100001
  5. Pada direktori PBKK-A lakukan training wajah dengan menjalankan ./train.sh tanpa menggunakan sudo.
  6. Hasilnya adalah file model.pklyang merupakan model hasil proses training.

Algoritma Training

Algoritma training yang digunakan adalah Random Forest dengan n_estimators=1000. Model ini mencapai akurasi 100% pada data training yang diujicobakan menggunakan modul ini.

Source

https://medium.com/@ageitgey/machine-learning-is-fun-part-4-modern-face-recognition-with-deep-learning-c3cffc121d78

About

Face Recognition module with OpenFace

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published